隨著海量影像數(shù)據(jù)持續(xù)增長(zhǎng)、智能診斷模型算法不斷迭代更新、計(jì)算能力大幅提升以及國(guó)家政策大力支持,人工智能與醫(yī)學(xué)影像領(lǐng)域的交叉融合與深度應(yīng)用引發(fā)了眾多研究者們的廣泛關(guān)注。在學(xué)術(shù)界,人工智能尤其是深度學(xué)習(xí)在病灶檢測(cè)、分割、診斷等場(chǎng)景中長(zhǎng)期存在的諸多問(wèn)題上取得了不少實(shí)質(zhì)性的進(jìn)展,在醫(yī)學(xué)影像輔助診斷上的研究表現(xiàn)出了蓬勃喜人的發(fā)展勢(shì)頭;在行業(yè)界,憑借醫(yī)學(xué)影像大數(shù)據(jù)及深度學(xué)習(xí)技術(shù)的發(fā)展優(yōu)勢(shì),人工智能醫(yī)學(xué)影像正迅速?gòu)膶?shí)驗(yàn)階段過(guò)渡到醫(yī)院臨床試用階段。人工智能醫(yī)學(xué)影像已成為人工智能與醫(yī)療行業(yè)結(jié)合最為緊密的領(lǐng)域之一。針對(duì)胸部影像輔助診斷場(chǎng)景中存在的數(shù)據(jù)分布不平衡、誤診率偏高、少量新疾病診斷等問(wèn)題,展開(kāi)了基于生成對(duì)抗學(xué)習(xí)的數(shù)據(jù)合成過(guò)采樣、多階關(guān)聯(lián)遷移學(xué)習(xí)以及多標(biāo)簽增量學(xué)習(xí)三個(gè)方法層面上的研究,主要研究工作與貢獻(xiàn)包括:1.基于WGAN合成過(guò)采樣方法的肺結(jié)節(jié)語(yǔ)義細(xì)粒度分類評(píng)級(jí)研究針對(duì)肺結(jié)節(jié)語(yǔ)義細(xì)粒度分類中數(shù)據(jù)分布嚴(yán)重失衡問(wèn)題,嘗試通過(guò)Wasserstein Generative Adversarial Networks（WGAN）逼近少數(shù)類的原始數(shù)據(jù)分布合成樣本,提出基于WGAN的合成過(guò)采樣方法對(duì)肺結(jié)節(jié)各語(yǔ)義屬性... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：118 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

國(guó)內(nèi)人工智能醫(yī)學(xué)影像融資金額與數(shù)f

升醫(yī)生的診療效率。人工智能參與醫(yī)學(xué)影像輔助診斷的具體研宄方式主要包括??將目標(biāo)檢測(cè)、對(duì)象分類、圖形分割、影像檢索、圖像合成等人工智能新方法新技??術(shù)應(yīng)用于醫(yī)學(xué)影像輔助診斷，如圖１．３所示，可以幫助解決病灶篩查、疾病分類、??病理診斷、影像定量分析與自適應(yīng)放療等場(chǎng)景中存在的多種問(wèn)題本文將重??點(diǎn)研究在胸部影像輔助診斷中目前存在的疾病細(xì)粒度分類識(shí)別、數(shù)據(jù)分布不平??衡、少量新疾病診斷等關(guān)鍵性問(wèn)題及應(yīng)對(duì)方法。??胸部病變具有多樣性與多發(fā)性特點(diǎn)，病變種類繁多，常見(jiàn)有肺結(jié)節(jié)、腫塊、??肺不張、心影增大、積液、浸潤(rùn)、肺炎、氣胸、實(shí)變、肺水腫、肺氣腫、纖維化、??胸膜增厚、肺疝等等，一個(gè)病例也常夾雜上述病變多重存在或疑似病理【５１］。這些??胸部病變因具有很好的自然對(duì)比，計(jì)算機(jī)斷層技術(shù)（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ線（Ｘ－ｒａｙ）是最主要的檢查和診斷方式［５２］。ＣＴ檢查是對(duì)胸部進(jìn)行三維斷層??掃描，肺組織結(jié)構(gòu)成像清晰，可以清晰顯示腫塊和結(jié)節(jié)性病變等，如圖１．４?（ａ）所??示；Ｘ線攝影則是把立體的三維結(jié)構(gòu)轉(zhuǎn)變?yōu)楦鹘M織相互重疊綜合投影的二維平??面圖像，導(dǎo)致胸壁軟組織和骨結(jié)構(gòu)投影到肺野，可能形成易與病變混淆的陰影，??如圖１．４（ｂ）所示�？梢�(jiàn)，通過(guò)Ｘ線做出疾病診斷常常比胸部ＣＴ更加困難。盡管??大多數(shù)情況下，ＣＴ檢查在胸部影像診斷中起主導(dǎo)作用，但由于胸部ＣＴ比較昂??貴且輻射劑量較大

病變多樣性，多發(fā)性???少董新疾病診斷??圖１．３人工智能與醫(yī)學(xué)影像輔助診斷的結(jié)合??應(yīng)放療等工作提供幫助，不僅可以提高診斷、放療以及手術(shù)的精準(zhǔn)度，還可以提??升醫(yī)生的診療效率。人工智能參與醫(yī)學(xué)影像輔助診斷的具體研宄方式主要包括??將目標(biāo)檢測(cè)、對(duì)象分類、圖形分割、影像檢索、圖像合成等人工智能新方法新技??術(shù)應(yīng)用于醫(yī)學(xué)影像輔助診斷，如圖１．３所示，可以幫助解決病灶篩查、疾病分類、??病理診斷、影像定量分析與自適應(yīng)放療等場(chǎng)景中存在的多種問(wèn)題本文將重??點(diǎn)研究在胸部影像輔助診斷中目前存在的疾病細(xì)粒度分類識(shí)別、數(shù)據(jù)分布不平??衡、少量新疾病診斷等關(guān)鍵性問(wèn)題及應(yīng)對(duì)方法。??胸部病變具有多樣性與多發(fā)性特點(diǎn)，病變種類繁多，常見(jiàn)有肺結(jié)節(jié)、腫塊、??肺不張、心影增大、積液、浸潤(rùn)、肺炎、氣胸、實(shí)變、肺水腫、肺氣腫、纖維化、??胸膜增厚、肺疝等等，一個(gè)病例也常夾雜上述病變多重存在或疑似病理【５１］。這些??胸部病變因具有很好的自然對(duì)比，計(jì)算機(jī)斷層技術(shù)（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）??和Ｘ線（Ｘ－ｒａｙ）是最主要的檢查和診斷方式［５２］。ＣＴ檢查是對(duì)胸部進(jìn)行三維斷層??掃描，肺組織結(jié)構(gòu)成像清晰，可以清晰顯示腫塊和結(jié)節(jié)性病變等，如圖１．４?（ａ）所??示；Ｘ線攝影則是把立體的三維結(jié)構(gòu)轉(zhuǎn)變?yōu)楦鹘M織相互重疊綜合投影的二維平??面圖像，導(dǎo)致胸壁軟組織和骨結(jié)構(gòu)投影到肺野，可能形成易與病變混淆的陰影，??如圖１．４（ｂ）所示�？梢�(jiàn)

【參考文獻(xiàn)】：
期刊論文
[1]人工智能輔助診斷技術(shù)在低劑量CT肺結(jié)節(jié)篩查中的應(yīng)用及質(zhì)控[J]. 金晨望,郭佑民.  中華放射學(xué)雜志. 2019 (01)
[2]醫(yī)學(xué)影像人工智能進(jìn)入深水區(qū)后的思考[J]. 蕭毅,劉士遠(yuǎn).  中華放射學(xué)雜志. 2019 (01)
[3]基于深度卷積特征的細(xì)粒度圖像分類研究綜述[J]. 羅建豪,吳建鑫.  自動(dòng)化學(xué)報(bào). 2017(08)

碩士論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的遷移學(xué)習(xí)算法研究[D]. 臧文華.電子科技大學(xué) 2018
[2]肺結(jié)節(jié)CT圖像中基于多任務(wù)特征的語(yǔ)義屬性自動(dòng)評(píng)級(jí)[D]. 陳思宏.深圳大學(xué) 2017



本文編號(hào)：3233971

boshi