乳腺X线人工智能检测系统在乳腺肿瘤诊断中的应用价值
发布时间：2022-02-10 19:33
目的:本研究拟探讨乳腺X线人工智能检测系统在乳腺肿瘤诊断中的应用价值。方法:研究资料:1.本研究数据包括验证集及测试集,验证集数据用于MammoWorksTM乳腺智能检测系统调整参数以及系统优化,测试集数据对优化后的系统进行测试。2.总计入组1413例女性,其中验证集共1218例,测试集共195例。3.验证集:（1）BI-RADS 56类448例,BI-RADS 1类448例;（2）临床触诊阴性乳腺肿瘤322例。4.测试集:BI-RADS 56类130例,BI-RADS 1类65例。研究方法:使用MammoWorksTM乳腺智能检测系统对所有入组患者乳腺钼靶X线图片进行分析。1.MammoWorksTM（版本号3.5.2.6）在验证集中的诊断价值研究1)分析MammoWorksTM（版本号3.5.2.6）在乳腺恶性肿瘤中的检测效能及临床病理特征对其检测效能的影响2)分析MammoWorksTM（版本号3.5.2.6）在临床触诊阴性乳腺...
【文章来源】：西安医学院陕西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
医学专家系统组成模块
系统等都是专家系统在医学中的应有场景[37]。我国，主要体现在中医领域，如：中医妇科诊断系统、在西医领域也得到了不同的开发，如血气酸碱分析颈腰疾病专家系统、肝病营养疗法专家系统、脑血预报专家系统等，都获得了较好的使用效果[29, 37]。网络在医学中的应用络（Artificial Neural Network，ANN）是一种模拟通过学习人脑的信息处理方式，获取外界知识并存非线性转换[38, 39]。人工神经网络有三大功能：自主寻找优化解的功能。生物的神经元主要由细胞体、神经网络由大量的神经元单位组成，它的主要结构分，由输入层、隐含层和输出层构成，其中隐含层
的主要目的是消除多余（交叉重复）的窗口，找到最佳物体检测位置。该算法模型中使用的卷积神经网络（CNN）的基础是 VGG16 网络，它是 16 层深度 CNN。最后一层可以检测图像中两种物体，即良性病变（benign）和恶性病变（malignant）。模型输出每个检测到的病灶边界框和一个分数，该分数反映了算法对病灶类别的信心。为了用一个分数来描述图像，取图像中检测到的所有恶性病变的最大分数。对于同一乳房的多个图像，取得单个图像得分的平均值。算法检测病灶的具体实现过程：首先对输入的乳腺钼靶影像图片进行神经网络的多层卷积层和池化层操作，从而实现目标特征自动提取，得到特征目标图像（Feature map）后，将其输入一个区域提取网络（region proposal network, RPN）中，实现自动提取目标病灶区域（Regionsof Interest, ROI），并将 ROI 区域映射到特征图上（ROI pooling）,最后对映射后的特征图进行预测病灶类别和位置。1.提取候选框
【参考文献】：
期刊论文
[1]人工智能临床应用研究进展[J]. 郑红颖,杨艳,倪佳琪,秦彦雯,富晶晶,李卫平. 护理研究. 2019(03)
[2]人工智能在医学影像中的研究与应用[J]. 韩冬,李其花,蔡巍,夏雨薇,宁佳,黄峰. 大数据. 2019(01)
[3]中国各类癌症的发病率和死亡率现状及发展趋势[J]. 陈金东. 遵义医学院学报. 2018(06)
[4]乳腺癌相关危险因素及其研究现状[J]. 王晗影,魏亚宁. 科学大众(科学教育). 2018(07)
[5]人工智能在医疗及神经病学领域的应用[J]. 黄欢,赵钢. 华西医学. 2018(06)
[6]磁共振成像在乳腺癌诊断中的应用进展[J]. 赵娜,阳青松,陆建平. 第二军医大学学报. 2018(02)
[7]乳腺癌术前磁共振成像动态对比增强模式在保乳治疗中的应用[J]. 热米拉·先木西丁,刘艳. 中国临床医生杂志. 2018(02)
[8]深度学习技术在医学影像领域的应用[J]. 夏黎明,沈坚,张荣国,王少康,陈宽. 协和医学杂志. 2018(01)
[9]人工智能在肿瘤病理诊断和评估中的应用与思考[J]. 于观贞,魏培莲,陈颖,朱明华. 第二军医大学学报. 2017(11)
[10]人工智能及在医疗领域的应用[J]. 刘文亮,黄晔春,毕士鑫. 数码世界. 2017(10)
硕士论文
[1]人工神经网络在中医临床辨证模型研究中的应用[D]. 辛基梁.福建中医药大学 2017
本文编号：3619405
【文章来源】：西安医学院陕西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
医学专家系统组成模块
系统等都是专家系统在医学中的应有场景[37]。我国，主要体现在中医领域，如：中医妇科诊断系统、在西医领域也得到了不同的开发，如血气酸碱分析颈腰疾病专家系统、肝病营养疗法专家系统、脑血预报专家系统等，都获得了较好的使用效果[29, 37]。网络在医学中的应用络（Artificial Neural Network，ANN）是一种模拟通过学习人脑的信息处理方式，获取外界知识并存非线性转换[38, 39]。人工神经网络有三大功能：自主寻找优化解的功能。生物的神经元主要由细胞体、神经网络由大量的神经元单位组成，它的主要结构分，由输入层、隐含层和输出层构成，其中隐含层
的主要目的是消除多余（交叉重复）的窗口，找到最佳物体检测位置。该算法模型中使用的卷积神经网络（CNN）的基础是 VGG16 网络，它是 16 层深度 CNN。最后一层可以检测图像中两种物体，即良性病变（benign）和恶性病变（malignant）。模型输出每个检测到的病灶边界框和一个分数，该分数反映了算法对病灶类别的信心。为了用一个分数来描述图像，取图像中检测到的所有恶性病变的最大分数。对于同一乳房的多个图像，取得单个图像得分的平均值。算法检测病灶的具体实现过程：首先对输入的乳腺钼靶影像图片进行神经网络的多层卷积层和池化层操作，从而实现目标特征自动提取，得到特征目标图像（Feature map）后，将其输入一个区域提取网络（region proposal network, RPN）中，实现自动提取目标病灶区域（Regionsof Interest, ROI），并将 ROI 区域映射到特征图上（ROI pooling）,最后对映射后的特征图进行预测病灶类别和位置。1.提取候选框
【参考文献】：
期刊论文
[1]人工智能临床应用研究进展[J]. 郑红颖,杨艳,倪佳琪,秦彦雯,富晶晶,李卫平. 护理研究. 2019(03)
[2]人工智能在医学影像中的研究与应用[J]. 韩冬,李其花,蔡巍,夏雨薇,宁佳,黄峰. 大数据. 2019(01)
[3]中国各类癌症的发病率和死亡率现状及发展趋势[J]. 陈金东. 遵义医学院学报. 2018(06)
[4]乳腺癌相关危险因素及其研究现状[J]. 王晗影,魏亚宁. 科学大众(科学教育). 2018(07)
[5]人工智能在医疗及神经病学领域的应用[J]. 黄欢,赵钢. 华西医学. 2018(06)
[6]磁共振成像在乳腺癌诊断中的应用进展[J]. 赵娜,阳青松,陆建平. 第二军医大学学报. 2018(02)
[7]乳腺癌术前磁共振成像动态对比增强模式在保乳治疗中的应用[J]. 热米拉·先木西丁,刘艳. 中国临床医生杂志. 2018(02)
[8]深度学习技术在医学影像领域的应用[J]. 夏黎明,沈坚,张荣国,王少康,陈宽. 协和医学杂志. 2018(01)
[9]人工智能在肿瘤病理诊断和评估中的应用与思考[J]. 于观贞,魏培莲,陈颖,朱明华. 第二军医大学学报. 2017(11)
[10]人工智能及在医疗领域的应用[J]. 刘文亮,黄晔春,毕士鑫. 数码世界. 2017(10)
硕士论文
[1]人工神经网络在中医临床辨证模型研究中的应用[D]. 辛基梁.福建中医药大学 2017
本文编号：3619405
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3619405.html
