【摘 要】
：
骨质疏松症是由于多种原因导致的骨密度和骨质量下降,骨微结构破坏,造成骨脆性增加,从而容易发生骨折的全身性骨病。该病症近些年来在以百万的数目逐年增加。医学上用来诊断该病症的辅助手段一般为CT、MRI等医学影像技术,这类技术通常会从不同角度对识别对象进行多方位断层切片成像,因此具有三维空间结构信息。而目前大多数的医学图像分析都局限在二维的检测方式,一定程度上摒弃了空间信息,极有可能出现判断的偏差。本文
论文部分内容阅读
骨质疏松症是由于多种原因导致的骨密度和骨质量下降,骨微结构破坏,造成骨脆性增加,从而容易发生骨折的全身性骨病。该病症近些年来在以百万的数目逐年增加。医学上用来诊断该病症的辅助手段一般为CT、MRI等医学影像技术,这类技术通常会从不同角度对识别对象进行多方位断层切片成像,因此具有三维空间结构信息。而目前大多数的医学图像分析都局限在二维的检测方式,一定程度上摒弃了空间信息,极有可能出现判断的偏差。本文使用深度卷积神经网络,对病态脊柱CT影像进行处理,主要实现了基于多通道二维残差卷积网络的图像识别和三维残差卷积网络图像识别,并构建了多标签三维识别网络架构。本文的主要工作包括:1、完成病态CT脊柱数据集的构建。本文以Ver Se2019数据集为原始数据集,对数据集中的原始文件（NIFTI文件）进行图像信息的抽取,并进行归一化和精简处理,最终获得40×256×256的图像集合,并通过对图像旋转90度、180度、270度,扩充了源数据的数目,并解决了影像信息不平衡的问题。2、提出一种三维残差卷积神经网络架构,用于提取图像特征和识别病态脊柱。本模型以Res Net50残差网络为基础网络架构,辅以“softmax”分类器+多分类交叉熵损失函数的架构共同搭建而成。该模型充分利用CT影像的三维特征,最大限度地挖掘CT图像的多维信息特征,将识别对象的多方位空间信息极大程度整合起来,从而能够更高效、更准确地协助医生对病灶进行诊断。实验结果证明,使用多通道二维残差卷积网络的准确率为77.83%,而使用三维残差卷积网络的准确率达到82.35%,比二维残差卷积网络高了4.52%,证明了三维残差卷积网络的可行性和有效性。3、提出一个基于空间金字塔池化层的残差网络,并结合focal loss损失函数构建识别模型,用于同时识别CT多标签多分类的功能。以Res Net18残差网络为基础架构,构建了3种网络模型:（1）Res Net18+BCE（“sigmoid”分类器+二分类交叉熵损失函数）;（2）Res Net18+SPP（空间金字塔池化层）+BCE;（3）Res Net18+SPP+focal loss损失函数。以上面三种模型分别搭建多标签识别架构,探寻不同架构在多标签分类中的优势及不同。实验结果为:模型1准确率为72.35%,模型2准确率为76.96%,模型3准确率为83.15%,因此证明模型3的可操作性。模型3通过使用空间金字塔池化层实现对医学图像特征的多特征提取,提高识别目标图像的准确率;损失函数focal loss的调用则是改善了正负样本极度不平衡的问题,从而使训练模型能更具有适用性和多样性,更准确地将目标CT影像分门别类。
其他文献
＜正＞3月1日上午，全国台联机关召开2021年度总结暨表彰大会，对2021年度工作进行总结，同时对2021年获得各类荣誉的部门和个人进行表彰。全国台联党组书记、会长黄志贤，副会长杨毅周、郑平出席会议。副会长纪斌主持会议。会上，杨毅周宣读了表扬表彰2021年度先进集体、优秀个人的决定。4位会领导为受表彰的部门代表和个人颁发证书，并合影留念。黄志贤最后作总结讲话，他对2021年同志们的工作予以肯定，
病人出院后计划外的再次入院（简称再入院）是医疗保健系统成本的主要来源,通常被视为医疗保健质量和医院绩效的指标。患者出院后再次入院不仅会使患者面临一些医院获得性感染,还会加重患者及其家属的经济负担,提高护理成本,因此医院再入院率已成为医疗保健研究者关注的关键问题。计划外再入院风险的量化和早期识别将有利于改善患者住院期间的护理质量,减少患者和医院的经济负担,减轻病人的痛苦。目前已经有大量的再入院预测的
社交平台对现实世界的影响力在不断提升,2016年美国大选期间剑桥分析公司通过对Twitter用户的分析,针对用户精准地推送不同话题的政治广告和新闻,成功地提高了民众对特朗普的支持率。因此,通过对社交平台话题演化进行分析从而进行舆论引导是有意义的。当前话题演化的研究大都针对新闻报道等文本信息,忽视了社交平台文本信息占比少用户行为信息占比高的特点。针对这个问题,本文先对数字舆论场进行了设计,然后通过融
随着自然语言处理领域的发展,Transformer语言模型已经被广泛应用于各种自然语言处理任务中。Transformer中使用了一种特殊的注意力机制的结构,被称为多头注意力机制。其目的是为了使的不同的头提取到不同的子空间信息,但是Transformer中没有设计任何结构去保证多头注意力机制可以有效的工作。研究也表明,在很多时候Transformer的多头机制并没有发挥作用,为了解决这个问题,本文提
近些年来,表征学习已成为机器学习社区的研究重点,大规模预训练神经网络已成为实现通用智能的第一步,神经网络取得成功的关键在于其对数据的抽象表征能力,深度学习中的若干学习领域实际上都在讨论怎么学习表征,本文不纠结于若干相近领域的若干相似概念,以表征学习作为统一的视角来讨论学习表征的问题。本文从问题出发,聚焦于求解该领域的两个问题:如何在多种任务下对表征学习问题进行统一建模,如何对神经网络模型中学得的表
基于骨架序列的人体动作识别在计算机视觉领域占有重要地位。近年来,基于深度学习实现的识别方法很好的提高了识别精度。本文的多粒度动作识别包括粗粒度动作识别和细粒度动作识别。当前基于骨架序列的动作识别方法中,针对粗粒度的动作识别,在面对低质量骨架数据的情况下,无法很好的识别低质量骨架序列中包含前文动作和无关冗余干扰信息的情况;针对细粒度的动作识别中模型的观测窗口中出现影响当前帧动作判断的干扰冗余信息时造
目的 优化系统，打通反馈路径，从多方面优化处方点评流程，为医疗机构点评工作从业人员提供参考。方法 成立处方点评专职组、制定培养机制，调研并重构抽样方法，增加点评软件线上反馈程序，联合多部门进行协作监管。回顾性分析医师线上回复变化，对比优化前（2021年1-4月）与优化后（2021年5-8月）处方医嘱点评数量、覆盖率和合理率等指标。结果 从实施线上反馈开始，医师回复率由10.12%增至40.05%。
针对冷轧罩退产品板面黑斑缺陷的形成机理,分析各种成因,提出了减少黑斑缺陷应采取的措施,对同类机组的质量控制有指导意义。
随着互联网以及深度学习技术的快速发展,数据驱动模型越来越流行。当前,对于电商领域的对话系统,研究者往往聚焦于其内的对话数据。虽然此种方式能够解决对话系统中用户的高频问题,但是针对某些长尾型问题通常缺乏泛化以及语义理解能力,并且会导致对话系统生成的答复缺乏流畅性和多样性。BERT预训练语言模型在自然语言理解任务中展现出了先进的泛化和语义理解能力。但是,由于BERT模型双向编码的特点,导致在答复生成任
为有效缓解某电厂660 MW机组前后墙对冲燃烧锅炉两侧墙水冷壁高温腐蚀及煤粉颗粒冲刷磨损问题，结合高温腐蚀的原因及机理，并根据现场设备情况，提出将靠近两侧墙的旋流燃烧器角度向炉内中心偏转3.5°。对燃烧器偏转前后的锅炉燃烧进行数值模拟，对比分析了燃烧器角度偏转前后的温度场、速度场、浓度场以及颗粒轨迹的变化，并将方案进行了工程应用。数值模拟和工程应用结果表明：燃烧器角度偏转后，炉内气流向炉膛中心集中