發(fā)布時(shí)間：2021-04-29 14:11

　　隨著電子科學(xué)技術(shù)的發(fā)展,人們掌握了越來越多的物理量測(cè)量手段,具體在醫(yī)學(xué)領(lǐng)域,各種模態(tài)的醫(yī)學(xué)影像成像設(shè)備相繼被發(fā)明。醫(yī)學(xué)影像在臨床中有巨大的診斷價(jià)值,現(xiàn)如今設(shè)備成像速度越來越快、影像分辨率越來越高、隱含的物理性質(zhì)越來越豐富,因此影像學(xué)檢查在臨床上使用也越來越廣泛。與此相悖,影像科醫(yī)生培養(yǎng)周期長(zhǎng),科室規(guī)模增長(zhǎng)緩慢,這使得醫(yī)生工作時(shí)間長(zhǎng)、負(fù)荷大,不可避免的出現(xiàn)漏診和錯(cuò)診的情況。計(jì)算機(jī)輔助診斷系統(tǒng)一直是計(jì)算機(jī)科學(xué)與醫(yī)學(xué)科學(xué)交叉學(xué)科研究的熱點(diǎn),實(shí)踐證明,在特定情況下它可以為醫(yī)生提供有效的決策支持,提高診斷準(zhǔn)確性。在此前提下,隨著人工智能應(yīng)用的爆發(fā)性發(fā)展,使用深度學(xué)習(xí)技術(shù)為醫(yī)學(xué)影像賦能理所當(dāng)然的成為新的嘗試方向。本研究立足臨床實(shí)際需求,緊緊圍繞著基于醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷算法研究和應(yīng)用,主要進(jìn)行了以下創(chuàng)新性工作:1)基于計(jì)算機(jī)輔助診斷流程,自主開發(fā)了多模態(tài)醫(yī)學(xué)影像輔助診斷算法實(shí)驗(yàn)平臺(tái),平臺(tái)中創(chuàng)新的實(shí)現(xiàn)了多種數(shù)據(jù)預(yù)處理和處理方法,隨后在該平臺(tái)中集成基于醫(yī)學(xué)統(tǒng)計(jì)分析方法和基于深度學(xué)習(xí)算法的兩類輔助診斷算法;2)本研究使用統(tǒng)計(jì)學(xué)分析方法探索了一階及二階全容積表觀擴(kuò)散參數(shù)（ADC）在直腸癌病理表征分類中... 

【文章來源】：南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：118 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外CAD系統(tǒng)研究現(xiàn)狀
        1.2.1 CAD系統(tǒng)研究概述
        1.2.2 醫(yī)學(xué)影像CAD系統(tǒng)主要研究方法
        1.2.3 存在問題
    1.3 本文主要研究?jī)?nèi)容
        1.3.1 技術(shù)研究路線
        1.3.2 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 醫(yī)學(xué)影像輔助診斷平臺(tái)
    2.1 引言
    2.2 輸入醫(yī)學(xué)影像
        2.2.1 醫(yī)學(xué)影像模態(tài)
        2.2.2 醫(yī)學(xué)影像解析與渲染
    2.3 醫(yī)學(xué)影像預(yù)處理
        2.3.1 CT影像預(yù)處理
        2.3.2 MRI影像預(yù)處理
        2.3.3 超聲影像預(yù)處理
    2.4 感興趣區(qū)域獲取
    2.5 特征提取
        2.5.1 一階統(tǒng)計(jì)特征
        2.5.2 形態(tài)學(xué)特征
        2.5.3 紋理特征
        2.5.4 特征計(jì)算與輸出
    2.6 總結(jié)
第三章 統(tǒng)計(jì)特征在直腸癌輔助診斷中的應(yīng)用研究
    3.1 引言
    3.2 醫(yī)學(xué)統(tǒng)計(jì)與評(píng)估的理論基礎(chǔ)
        3.2.1 醫(yī)學(xué)統(tǒng)計(jì)理論基礎(chǔ)
        3.2.2 醫(yī)學(xué)評(píng)估理論基礎(chǔ)
    3.3 直腸癌上ADC一階和二階紋理特征對(duì)病理因素的表征
        3.3.1 研究背景
        3.3.2 臨床資料
        3.3.3 影像學(xué)檢查
        3.3.4 影像分析及特征提取
        3.3.5 病理結(jié)果
        3.3.6 統(tǒng)計(jì)學(xué)分析策略
        3.3.7 結(jié)果及分析
    3.4 小結(jié)
第四章 基于IBS的醫(yī)學(xué)影像交叉對(duì)比神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與性能驗(yàn)證
    4.1 引言
    4.2 深度學(xué)習(xí)理論基礎(chǔ)
        4.2.2 神經(jīng)網(wǎng)絡(luò)
        4.2.3 卷積神經(jīng)網(wǎng)絡(luò)
    4.3 IBS簡(jiǎn)介
        4.3.1 IBS方法原理
        4.3.2 深入理解IBS
        4.3.3 改進(jìn)IBS方法
    4.4 醫(yī)學(xué)交叉對(duì)比網(wǎng)絡(luò)
        4.4.1 提出網(wǎng)絡(luò)
        4.4.2 網(wǎng)絡(luò)詳解
        4.4.3 網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)
    4.5 小結(jié)
第五章 CCNN在肝部疾病上輔助診斷效能研究
    5.1 引言
    5.2 CCNN在肝纖維化程度預(yù)判中的應(yīng)用研究
        5.2.1 肝纖維化概述
        5.2.2 肝纖維化分期標(biāo)準(zhǔn)
        5.2.3 臨床資料
        5.2.4 影像學(xué)檢查
        5.2.5 影像預(yù)處理
        5.2.6 實(shí)驗(yàn)結(jié)果及分析
    5.3 CCNN在HCC和ICC診斷分類中的應(yīng)用研究
        5.3.1 原發(fā)性肝癌概述
        5.3.2 臨床資料
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來研究展望
參考文獻(xiàn)
致謝
攻讀博士期間所獲成果
攻讀博士期間參研項(xiàng)目列表


【參考文獻(xiàn)】：
期刊論文
[1]醫(yī)學(xué)影像計(jì)算機(jī)輔助檢測(cè)與診斷系統(tǒng)綜述[J]. 鄭光遠(yuǎn),劉峽壁,韓光輝.  軟件學(xué)報(bào). 2018(05)
[2]肺實(shí)質(zhì)CT圖像分割方法[J]. 崔穎,王小鵬,于揮,陳璐.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(05)
[3]Report of incidence and mortality in China cancer registries, 2009[J]. Wanqing Chen,Rongshou Zheng,Siwei Zhang,Ping Zhao,Guanglin Li,Lingyou Wu,Jie He.  Chinese Journal of Cancer Research. 2013(01)
[4]Lymphovascular invasion in rectal cancer following neoadjuvant radiotherapy: A retrospective cohort study[J]. Chang-Zheng Du, Ming Li, Jin Gu, Department of Colorectal Surgery, Peking University School of Oncology, Beijing 100142, China Wei-Cheng Xue, Department of Pathology, Peking University School of Oncology, Beijing 100142, China Yong Cai, Department of Radiotherapy, Peking University School of Oncology, Beijing 100142, China.  World Journal of Gastroenterology. 2009(30)

碩士論文
[1]CT能譜成像在診斷鑒別肝內(nèi)膽管細(xì)胞癌與肝細(xì)胞癌中的臨床應(yīng)用研究[D]. 李妍卓.第二軍醫(yī)大學(xué) 2015



本文編號(hào)：3167675