基于多语义任务与多标签增量学习的胸部影像辅助诊断方法研究
发布时间：2021-06-16 23:15
随着海量影像数据持续增长、智能诊断模型算法不断迭代更新、计算能力大幅提升以及国家政策大力支持,人工智能与医学影像领域的交叉融合与深度应用引发了众多研究者们的广泛关注。在学术界,人工智能尤其是深度学习在病灶检测、分割、诊断等场景中长期存在的诸多问题上取得了不少实质性的进展,在医学影像辅助诊断上的研究表现出了蓬勃喜人的发展势头;在行业界,凭借医学影像大数据及深度学习技术的发展优势,人工智能医学影像正迅速从实验阶段过渡到医院临床试用阶段。人工智能医学影像已成为人工智能与医疗行业结合最为紧密的领域之一。针对胸部影像辅助诊断场景中存在的数据分布不平衡、误诊率偏高、少量新疾病诊断等问题,展开了基于生成对抗学习的数据合成过采样、多阶关联迁移学习以及多标签增量学习三个方法层面上的研究,主要研究工作与贡献包括:1.基于WGAN合成过采样方法的肺结节语义细粒度分类评级研究针对肺结节语义细粒度分类中数据分布严重失衡问题,尝试通过Wasserstein Generative Adversarial Networks（WGAN）逼近少数类的原始数据分布合成样本,提出基于WGAN的合成过采样方法对肺结节各语义属性...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
国内人工智能医学影像融资金额与数f
升医生的诊疗效率。人工智能参与医学影像辅助诊断的具体研宄方式主要包括??将目标检测、对象分类、图形分割、影像检索、图像合成等人工智能新方法新技??术应用于医学影像辅助诊断，如图１．３所示，可以帮助解决病灶筛查、疾病分类、??病理诊断、影像定量分析与自适应放疗等场景中存在的多种问题本文将重??点研究在胸部影像辅助诊断中目前存在的疾病细粒度分类识别、数据分布不平??衡、少量新疾病诊断等关键性问题及应对方法。??胸部病变具有多样性与多发性特点，病变种类繁多，常见有肺结节、肿块、??肺不张、心影增大、积液、浸润、肺炎、气胸、实变、肺水肿、肺气肿、纤维化、??胸膜增厚、肺疝等等，一个病例也常夹杂上述病变多重存在或疑似病理【５１］。这些??胸部病变因具有很好的自然对比，计算机断层技术（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ线（Ｘ－ｒａｙ）是最主要的检查和诊断方式［５２］。ＣＴ检查是对胸部进行三维断层??扫描，肺组织结构成像清晰，可以清晰显示肿块和结节性病变等，如图１．４?（ａ）所??示；Ｘ线摄影则是把立体的三维结构转变为各组织相互重叠综合投影的二维平??面图像，导致胸壁软组织和骨结构投影到肺野，可能形成易与病变混淆的阴影，??如图１．４（ｂ）所示。可见，通过Ｘ线做出疾病诊断常常比胸部ＣＴ更加困难。尽管??大多数情况下，ＣＴ检查在胸部影像诊断中起主导作用，但由于胸部ＣＴ比较昂??贵且辐射剂量较大
病变多样性，多发性???少董新疾病诊断??图１．３人工智能与医学影像辅助诊断的结合??应放疗等工作提供帮助，不仅可以提高诊断、放疗以及手术的精准度，还可以提??升医生的诊疗效率。人工智能参与医学影像辅助诊断的具体研宄方式主要包括??将目标检测、对象分类、图形分割、影像检索、图像合成等人工智能新方法新技??术应用于医学影像辅助诊断，如图１．３所示，可以帮助解决病灶筛查、疾病分类、??病理诊断、影像定量分析与自适应放疗等场景中存在的多种问题本文将重??点研究在胸部影像辅助诊断中目前存在的疾病细粒度分类识别、数据分布不平??衡、少量新疾病诊断等关键性问题及应对方法。??胸部病变具有多样性与多发性特点，病变种类繁多，常见有肺结节、肿块、??肺不张、心影增大、积液、浸润、肺炎、气胸、实变、肺水肿、肺气肿、纤维化、??胸膜增厚、肺疝等等，一个病例也常夹杂上述病变多重存在或疑似病理【５１］。这些??胸部病变因具有很好的自然对比，计算机断层技术（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ线（Ｘ－ｒａｙ）是最主要的检查和诊断方式［５２］。ＣＴ检查是对胸部进行三维断层??扫描，肺组织结构成像清晰，可以清晰显示肿块和结节性病变等，如图１．４?（ａ）所??示；Ｘ线摄影则是把立体的三维结构转变为各组织相互重叠综合投影的二维平??面图像，导致胸壁软组织和骨结构投影到肺野，可能形成易与病变混淆的阴影，??如图１．４（ｂ）所示。可见
【参考文献】：
期刊论文
[1]人工智能辅助诊断技术在低剂量CT肺结节筛查中的应用及质控[J]. 金晨望,郭佑民. 中华放射学杂志. 2019 (01)
[2]医学影像人工智能进入深水区后的思考[J]. 萧毅,刘士远. 中华放射学杂志. 2019 (01)
[3]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
硕士论文
[1]基于生成对抗网络的迁移学习算法研究[D]. 臧文华.电子科技大学 2018
[2]肺结节CT图像中基于多任务特征的语义属性自动评级[D]. 陈思宏.深圳大学 2017
本文编号：3233971
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
国内人工智能医学影像融资金额与数f
升医生的诊疗效率。人工智能参与医学影像辅助诊断的具体研宄方式主要包括??将目标检测、对象分类、图形分割、影像检索、图像合成等人工智能新方法新技??术应用于医学影像辅助诊断，如图１．３所示，可以帮助解决病灶筛查、疾病分类、??病理诊断、影像定量分析与自适应放疗等场景中存在的多种问题本文将重??点研究在胸部影像辅助诊断中目前存在的疾病细粒度分类识别、数据分布不平??衡、少量新疾病诊断等关键性问题及应对方法。??胸部病变具有多样性与多发性特点，病变种类繁多，常见有肺结节、肿块、??肺不张、心影增大、积液、浸润、肺炎、气胸、实变、肺水肿、肺气肿、纤维化、??胸膜增厚、肺疝等等，一个病例也常夹杂上述病变多重存在或疑似病理【５１］。这些??胸部病变因具有很好的自然对比，计算机断层技术（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ线（Ｘ－ｒａｙ）是最主要的检查和诊断方式［５２］。ＣＴ检查是对胸部进行三维断层??扫描，肺组织结构成像清晰，可以清晰显示肿块和结节性病变等，如图１．４?（ａ）所??示；Ｘ线摄影则是把立体的三维结构转变为各组织相互重叠综合投影的二维平??面图像，导致胸壁软组织和骨结构投影到肺野，可能形成易与病变混淆的阴影，??如图１．４（ｂ）所示。可见，通过Ｘ线做出疾病诊断常常比胸部ＣＴ更加困难。尽管??大多数情况下，ＣＴ检查在胸部影像诊断中起主导作用，但由于胸部ＣＴ比较昂??贵且辐射剂量较大
病变多样性，多发性???少董新疾病诊断??图１．３人工智能与医学影像辅助诊断的结合??应放疗等工作提供帮助，不仅可以提高诊断、放疗以及手术的精准度，还可以提??升医生的诊疗效率。人工智能参与医学影像辅助诊断的具体研宄方式主要包括??将目标检测、对象分类、图形分割、影像检索、图像合成等人工智能新方法新技??术应用于医学影像辅助诊断，如图１．３所示，可以帮助解决病灶筛查、疾病分类、??病理诊断、影像定量分析与自适应放疗等场景中存在的多种问题本文将重??点研究在胸部影像辅助诊断中目前存在的疾病细粒度分类识别、数据分布不平??衡、少量新疾病诊断等关键性问题及应对方法。??胸部病变具有多样性与多发性特点，病变种类繁多，常见有肺结节、肿块、??肺不张、心影增大、积液、浸润、肺炎、气胸、实变、肺水肿、肺气肿、纤维化、??胸膜增厚、肺疝等等，一个病例也常夹杂上述病变多重存在或疑似病理【５１］。这些??胸部病变因具有很好的自然对比，计算机断层技术（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ线（Ｘ－ｒａｙ）是最主要的检查和诊断方式［５２］。ＣＴ检查是对胸部进行三维断层??扫描，肺组织结构成像清晰，可以清晰显示肿块和结节性病变等，如图１．４?（ａ）所??示；Ｘ线摄影则是把立体的三维结构转变为各组织相互重叠综合投影的二维平??面图像，导致胸壁软组织和骨结构投影到肺野，可能形成易与病变混淆的阴影，??如图１．４（ｂ）所示。可见
【参考文献】：
期刊论文
[1]人工智能辅助诊断技术在低剂量CT肺结节筛查中的应用及质控[J]. 金晨望,郭佑民. 中华放射学杂志. 2019 (01)
[2]医学影像人工智能进入深水区后的思考[J]. 萧毅,刘士远. 中华放射学杂志. 2019 (01)
[3]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
硕士论文
[1]基于生成对抗网络的迁移学习算法研究[D]. 臧文华.电子科技大学 2018
[2]肺结节CT图像中基于多任务特征的语义属性自动评级[D]. 陈思宏.深圳大学 2017
本文编号：3233971
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3233971.html
最近更新
教材专著
