經(jīng)調(diào)查研究得知,近年來(lái)在體檢中發(fā)現(xiàn)肺癌的人數(shù)逐年增多,但是選擇住院治療的人數(shù)卻比較少,大約75%的患者在確診時(shí)已經(jīng)是肺癌中晚期,其治愈幾率大大降低。因此,盡早診斷出肺癌對(duì)于降低因肺癌造成的死亡率具有重要意義。另一方面,面對(duì)大量的患者,臨床醫(yī)生有著相當(dāng)大的工作量,需要先篩選肺癌患者,然后根據(jù)自身經(jīng)驗(yàn)對(duì)患者進(jìn)行相應(yīng)的治療。然而在我國(guó),培養(yǎng)一位經(jīng)驗(yàn)豐富的臨床醫(yī)生所需要花費(fèi)的時(shí)間周期較長(zhǎng)。綜上所述,在醫(yī)學(xué)領(lǐng)域,研究運(yùn)用人工智能技術(shù)對(duì)醫(yī)學(xué)數(shù)據(jù)分析、輔助臨床醫(yī)生進(jìn)行肺癌篩選診斷和治療,具有重要理論意義和實(shí)際應(yīng)用價(jià)值。本文在分析了目前深度學(xué)習(xí)方法之后發(fā)現(xiàn),國(guó)內(nèi)外研究者主要針對(duì)肺部CT圖像進(jìn)行肺癌預(yù)測(cè),忽略了放射科醫(yī)生給出的CT圖像描述和檢驗(yàn)報(bào)告,尤其是檢驗(yàn)報(bào)告,這樣會(huì)丟失部分信息�？紤]上述問(wèn)題,本文設(shè)計(jì)了一種新穎的文本和圖像的多模態(tài)學(xué)習(xí)的肺癌輔助診斷方案。該方案與目前已有的方法不同,是基于CT圖像、放射科醫(yī)生給出的CT圖像描述、檢驗(yàn)報(bào)告三部分進(jìn)行多模態(tài)融合。其主要實(shí)現(xiàn)要點(diǎn)是將圖像部分先預(yù)處理,再利用Resnet網(wǎng)絡(luò)建模;將CT圖像描述部分利用自然語(yǔ)言處理技術(shù)進(jìn)行分詞、預(yù)訓(xùn)練、建模;將檢驗(yàn)報(bào)告利用多層感知機(jī)建模;最后經(jīng)三部分融合。實(shí)驗(yàn)驗(yàn)證,基于文本和CT圖像的多模態(tài)方法的準(zhǔn)確率要比基于CT圖像的單模態(tài)方法的準(zhǔn)確率提高3%,這說(shuō)明,CT影像仍是肺癌診斷的主要信息,而檢查描述和檢驗(yàn)結(jié)果作為補(bǔ)充信息加入到模型中,可以很好的提升模型的精確度。再基于本文設(shè)計(jì)的文本和圖像的多模態(tài)學(xué)習(xí)方式,設(shè)計(jì)實(shí)現(xiàn)了肺癌輔助診斷系統(tǒng)。充分將多模態(tài)方式與計(jì)算機(jī)輔助診斷融合,幫助臨床醫(yī)生篩選診斷患者。該系統(tǒng)能夠快速實(shí)現(xiàn)數(shù)據(jù)預(yù)處理,肺癌輔助診斷判斷,診斷信息錄入,以及患者過(guò)往史病例等信息的查詢。該系統(tǒng)的實(shí)現(xiàn)減輕了臨床醫(yī)生的工作量,提高了其工作效率,還為臨床醫(yī)生提供了一個(gè)全方位觀察和診斷患者,同時(shí),肺癌患者也能及時(shí)了解自身情況。
【學(xué)位單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類(lèi)】：TP391.41;TP18;R734.2;TH77

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳運(yùn)文;;理解語(yǔ)言 擁抱智能[J];浦東開(kāi)發(fā);2019年12期

2 張建軍;孫滔;孟方;高洋;聶自非;;通過(guò)人工智能構(gòu)建智能集錦服務(wù)在央視世界杯期間的應(yīng)用[J];現(xiàn)代電視技術(shù);2018年09期

3 雷健;;人工智能在水環(huán)境監(jiān)測(cè)的關(guān)鍵技術(shù)研究與工程實(shí)踐[J];價(jià)值工程;2019年22期

4 陳銘;徐麗芳;;Narrative Science:講述隱藏在數(shù)據(jù)中的故事[J];出版參考;2018年02期

5 王挺;麥范金;劉忠;;自然語(yǔ)言處理及其應(yīng)用前景的研究[J];桂林航天工業(yè)高等專(zhuān)科學(xué)校學(xué)報(bào);2006年04期

6 ;海外傳媒[J];中國(guó)報(bào)業(yè);2018年13期

7 薛加玉;;論人工智能賦能機(jī)構(gòu)投資者[J];現(xiàn)代商貿(mào)工業(yè);2019年17期

8 張軼然;;淺析人工智能技術(shù)發(fā)展與應(yīng)用現(xiàn)狀[J];電子制作;2019年02期

9 李國(guó)鋒;;體育通人工智能服務(wù)平臺(tái)研究[J];通訊世界;2019年03期

10 軒中;;中國(guó)的自然語(yǔ)言處理領(lǐng)域的人工智能公司[J];互聯(lián)網(wǎng)周刊;2018年15期

相關(guān)博士學(xué)位論文 前10條

1 吳潔;基于人工智能優(yōu)化的時(shí)間序列預(yù)測(cè)模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

2 才智杰;藏文詞向量表示關(guān)鍵技術(shù)研究[D];青海師范大學(xué);2018年

3 方蘭婷;基于機(jī)器學(xué)習(xí)的自然語(yǔ)言處理和傳輸技術(shù)的研究[D];東南大學(xué);2018年

4 李良炎;基于詞聯(lián)接的自然語(yǔ)言處理技術(shù)及其應(yīng)用研究[D];重慶大學(xué);2004年

5 周雅倩;最大熵方法及其在自然語(yǔ)言處理中的應(yīng)用[D];復(fù)旦大學(xué);2005年

6 易勇;計(jì)算機(jī)輔助詩(shī)詞創(chuàng)作中的風(fēng)格辨析及聯(lián)語(yǔ)應(yīng)對(duì)研究[D];重慶大學(xué);2005年

7 王燚;基于場(chǎng)景化知識(shí)表示的自然語(yǔ)言處理及其在自動(dòng)文本校對(duì)中的應(yīng)用[D];西南交通大學(xué);2005年

8 王智強(qiáng);漢語(yǔ)指代消解及相關(guān)技術(shù)研究[D];北京郵電大學(xué);2006年

9 王斌;漢英雙語(yǔ)語(yǔ)料庫(kù)自動(dòng)對(duì)齊研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;1999年

10 魯松;自然語(yǔ)言處理中詞相關(guān)性知識(shí)無(wú)導(dǎo)獲取和均衡分類(lèi)器構(gòu)建[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2001年

相關(guān)碩士學(xué)位論文 前10條

1 呂晴;基于人工智能的肺癌輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所);2020年

2 王海文;人工智能生成內(nèi)容的著作權(quán)認(rèn)定研究[D];廣東財(cái)經(jīng)大學(xué);2019年

3 田宇;人工智能生成內(nèi)容的著作權(quán)保護(hù)路徑研究[D];武漢理工大學(xué);2019年

4 郭樂(lè)寧;弱人工智能犯罪的刑事責(zé)任分配[D];河北經(jīng)貿(mào)大學(xué);2020年

5 陳陽(yáng);人工智能創(chuàng)作物著作權(quán)保護(hù)研究[D];東北師范大學(xué);2019年

6 袁志明;人工智能生成物的著作權(quán)保護(hù)研究[D];大連海事大學(xué);2019年

7 徐澤龍;人工智能生成物的著作權(quán)保護(hù)研究[D];浙江財(cái)經(jīng)大學(xué);2019年

8 蔡宇佼;人工智能生成物著作權(quán)保護(hù)研究[D];上海交通大學(xué);2018年

9 張思敏;人工智能成果的著作權(quán)保護(hù)研究[D];西南政法大學(xué);2017年

10 王晶晶;人工智能創(chuàng)作物的版權(quán)保護(hù)[D];廈門(mén)大學(xué);2017年

本文編號(hào)：2871557