基于多模态深度学习的脉管浸润检测

发布时间：2024-05-12 06:46

　　肝细胞癌是所有疾病中发病率和死亡率排在最高的疾病之一,国家癌症中心研究显示肝细胞癌发病率和死亡率在所有癌症中居前5位,严重地威胁到现代人们的生命安全。目前针对肝细胞癌的治疗手段主要是手术切除患病肿瘤区域。肝细胞癌手术后复发的可能性很高,根据调查,我国进行肝细胞癌手术后,五年内复发的概率高达60%～70%。脉管浸润对判断手术切除后肝细胞癌是否复发有重要的参考意义。在当前治疗水平下对肝细胞癌患者是否发生脉管浸润进行检测,对后期的手术操作也有重要的指导意义。目前进行脉管浸润检测主要是传统的生化指标检测,随着医疗影像技术的进步,基于影像来判断肝细胞癌脉管浸润的研究方法开始出现。近年来人工智能技术有了较好的发展,机器学习,深度学习等技术在图像、语音、文本等领域内获得了巨大的成功。医疗方面,深度学习已经在肺癌结节检测等方面有所应用。本文首次使用深度学习技术对肝细胞癌脉管浸润进行自动化检测。本文利用图像识别技术,结合生化数据和医学图像数据建立了一个基于多模态数据的神经网络模型,用于对肝细胞癌脉管浸润进行预测。在此基础上开发了一套基于web服务的脉管浸润检测系统,用于辅助医疗人员改进肝细胞癌治疗方案。...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图2-1神经网络示意图

哈尔滨工业大学工程硕士学位论文图2-1神经网络示意图神经网络经历了漫长的发展。最早的神经网络结构出现在上世纪五十年代。1957年，罗森勃拉特（Rosenblatt）教授提出了感知器神经网络模型[24,25]，感知器模型得的设计符合神经网络生理学，具备了线代神经网络的基本特点，通过....

图2-2卷积神经网络示意图

，对训练效果造成了不可逆的破坏。在卷积神经网络中，可以通过共享参数来识别不同位置的相似目标物体。其次，全连接神经网络无法体现输入的拓扑结构。变量只要以固定的次序输入网络，就不会影响训练的结果。然而，图形和语音有较强的二维网络结构，在空间角度上看，位置相近的图像元素相关性更高。从时....

图2-3集成学习示意图

数量达到实验预先设定的上限值，一个完整的Boosting过程就完成了。Bagging算法算是最早的一批使用多分类器的集成学习算法，Bagging算法将原始数据集分割为数据若干个子数据集。假设原始数据集为S，容量为n，从S中有放回的抽取n次，得到容量为n′的子数据集S1，重复这个过....

图3-1算法流程图

哈尔滨工业大学工程硕士学位论文第3章基于多模态深度学习脉管浸润检测算法本文提出的模型是一个基于卷积神经网络和多模态数据的肝细胞癌脉管浸润检测系统，本节介绍模型相关部分。模型以预处理后的腹部CT扫描图像为输入，输出肝细胞癌发生脉管浸润的概率。该算法可分为四个部分，预处理，图像数据预....

本文编号：3971015