目的:本研究擬探討乳腺X線人工智能檢測系統(tǒng)在乳腺腫瘤診斷中的應(yīng)用價值。方法:研究資料:1.本研究數(shù)據(jù)包括驗證集及測試集,驗證集數(shù)據(jù)用于MammoWorks^TM乳腺智能檢測系統(tǒng)調(diào)整參數(shù)以及系統(tǒng)優(yōu)化,測試集數(shù)據(jù)對優(yōu)化后的系統(tǒng)進(jìn)行測試。2.總計入組1413例女性,其中驗證集共1218例,測試集共195例。3.驗證集:（1）BI-RADS 5⁶類448例,BI-RADS 1類448例;（2）臨床觸診陰性乳腺腫瘤322例。4.測試集:BI-RADS 5⁶類130例,BI-RADS 1類65例。研究方法:使用MammoWorks^TM乳腺智能檢測系統(tǒng)對所有入組患者乳腺鉬靶X線圖片進(jìn)行分析。1.MammoWorks^TM（版本號3.5.2.6）在驗證集中的診斷價值研究1)分析MammoWorks^TM（版本號3.5.2.6）在乳腺惡性腫瘤中的檢測效能及臨床病理特征對其檢測效能的影響2)分析MammoWorks^TM（版本號3.5.2.6）在臨床觸診陰性乳腺... 

【文章來源】：西安醫(yī)學(xué)院陜西省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

醫(yī)學(xué)專家系統(tǒng)組成模塊

系統(tǒng)等都是專家系統(tǒng)在醫(yī)學(xué)中的應(yīng)有場景[37]。我國，主要體現(xiàn)在中醫(yī)領(lǐng)域，如：中醫(yī)婦科診斷系統(tǒng)、在西醫(yī)領(lǐng)域也得到了不同的開發(fā)，如血氣酸堿分析頸腰疾病專家系統(tǒng)、肝病營養(yǎng)療法專家系統(tǒng)、腦血預(yù)報專家系統(tǒng)等，都獲得了較好的使用效果[29, 37]。網(wǎng)絡(luò)在醫(yī)學(xué)中的應(yīng)用絡(luò)（Artificial Neural Network，ANN）是一種模擬通過學(xué)習(xí)人腦的信息處理方式，獲取外界知識并存非線性轉(zhuǎn)換[38, 39]。人工神經(jīng)網(wǎng)絡(luò)有三大功能：自主尋找優(yōu)化解的功能。生物的神經(jīng)元主要由細(xì)胞體、神經(jīng)網(wǎng)絡(luò)由大量的神經(jīng)元單位組成，它的主要結(jié)構(gòu)分，由輸入層、隱含層和輸出層構(gòu)成，其中隱含層

的主要目的是消除多余（交叉重復(fù)）的窗口，找到最佳物體檢測位置。該算法模型中使用的卷積神經(jīng)網(wǎng)絡(luò)（CNN）的基礎(chǔ)是 VGG16 網(wǎng)絡(luò)，它是 16 層深度 CNN。最后一層可以檢測圖像中兩種物體，即良性病變（benign）和惡性病變（malignant）。模型輸出每個檢測到的病灶邊界框和一個分?jǐn)?shù)，該分?jǐn)?shù)反映了算法對病灶類別的信心。為了用一個分?jǐn)?shù)來描述圖像，取圖像中檢測到的所有惡性病變的最大分?jǐn)?shù)。對于同一乳房的多個圖像，取得單個圖像得分的平均值。算法檢測病灶的具體實現(xiàn)過程：首先對輸入的乳腺鉬靶影像圖片進(jìn)行神經(jīng)網(wǎng)絡(luò)的多層卷積層和池化層操作，從而實現(xiàn)目標(biāo)特征自動提取，得到特征目標(biāo)圖像（Feature map）后，將其輸入一個區(qū)域提取網(wǎng)絡(luò)（region proposal network, RPN）中，實現(xiàn)自動提取目標(biāo)病灶區(qū)域（Regionsof Interest, ROI），并將 ROI 區(qū)域映射到特征圖上（ROI pooling）,最后對映射后的特征圖進(jìn)行預(yù)測病灶類別和位置。1.提取候選框

【參考文獻(xiàn)】：
期刊論文
[1]人工智能臨床應(yīng)用研究進(jìn)展[J]. 鄭紅穎,楊艷,倪佳琪,秦彥雯,富晶晶,李衛(wèi)平.  護(hù)理研究. 2019(03)
[2]人工智能在醫(yī)學(xué)影像中的研究與應(yīng)用[J]. 韓冬,李其花,蔡巍,夏雨薇,寧佳,黃峰.  大數(shù)據(jù). 2019(01)
[3]中國各類癌癥的發(fā)病率和死亡率現(xiàn)狀及發(fā)展趨勢[J]. 陳金東.  遵義醫(yī)學(xué)院學(xué)報. 2018(06)
[4]乳腺癌相關(guān)危險因素及其研究現(xiàn)狀[J]. 王晗影,魏亞寧.  科學(xué)大眾(科學(xué)教育). 2018(07)
[5]人工智能在醫(yī)療及神經(jīng)病學(xué)領(lǐng)域的應(yīng)用[J]. 黃歡,趙鋼.  華西醫(yī)學(xué). 2018(06)
[6]磁共振成像在乳腺癌診斷中的應(yīng)用進(jìn)展[J]. 趙娜,陽青松,陸建平.  第二軍醫(yī)大學(xué)學(xué)報. 2018(02)
[7]乳腺癌術(shù)前磁共振成像動態(tài)對比增強(qiáng)模式在保乳治療中的應(yīng)用[J]. 熱米拉·先木西丁,劉艷.  中國臨床醫(yī)生雜志. 2018(02)
[8]深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用[J]. 夏黎明,沈堅,張榮國,王少康,陳寬.  協(xié)和醫(yī)學(xué)雜志. 2018(01)
[9]人工智能在腫瘤病理診斷和評估中的應(yīng)用與思考[J]. 于觀貞,魏培蓮,陳穎,朱明華.  第二軍醫(yī)大學(xué)學(xué)報. 2017(11)
[10]人工智能及在醫(yī)療領(lǐng)域的應(yīng)用[J]. 劉文亮,黃曄春,畢士鑫.  數(shù)碼世界. 2017(10)

碩士論文
[1]人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)臨床辨證模型研究中的應(yīng)用[D]. 辛基梁.福建中醫(yī)藥大學(xué) 2017



本文編號：3619405