【摘 要】
:
2019年末,新冠肺炎疫情在全球范围爆发,成为大流行传染病,每天都有大量新增确诊患者涌入医院,导致医疗资源以及医护人员极度缺乏。为了合理分配医疗资源和医护人员,将新冠患者准确地区分为轻度患者和重度患者显得非常有意义。而目前相关的研究大多都基于单CT图像,凭借着单CT图像的信息进行新冠肺炎的分级。这会导致模型的普适性不高,对输入的CT图像有很高的要求,一旦所输入的CT图像不具有很强的病情代表性,就有
论文部分内容阅读
2019年末,新冠肺炎疫情在全球范围爆发,成为大流行传染病,每天都有大量新增确诊患者涌入医院,导致医疗资源以及医护人员极度缺乏。为了合理分配医疗资源和医护人员,将新冠患者准确地区分为轻度患者和重度患者显得非常有意义。而目前相关的研究大多都基于单CT图像,凭借着单CT图像的信息进行新冠肺炎的分级。这会导致模型的普适性不高,对输入的CT图像有很高的要求,一旦所输入的CT图像不具有很强的病情代表性,就有可能造成很大的误差。本文研究内容致力于提高模型的普适性以及分级效果,主要做了以下三个工作。(1)为了对本研究所提出的分级模型进行实验验证,需要制作CT图像数据集以及临床指标数据集。本研究根据CT切片序列中间部分图像肺野宽阔、病灶清晰等特点,从每个患者选取中间部分的CT图像,制作了CT图像数据集。在制作临床指标数据集的过程中,本研究对多个可能与新冠肺炎严重程度相关的临床指标进行皮尔逊显著性分析以及相关性分析,确定出淋巴细胞计数、淋巴细胞百分比、中性粒细胞计数和年龄与新冠肺炎严重程度存在着较强相关关系,并依此制作出了临床指标数据集。(2)考虑到患者肺部的三维信息可以由CT图像序列进行表示,本研究提出了一个基于CT图像序列的新冠肺炎严重程度自动分级模型,称之为TAS。该模型以同一患者的多张CT图像为输入,使用传统图像处理操作提取特征信息,计算出患者的平均病灶面积占比以及最大病灶面积占比,最后通过SVM进行分类。该模型最终在CT图像测试集上得到的分类准确率为87.65%,召回率为86.67%,均优于对比实验中的两个深度学习模型(VGG16模型以及Res Net50模型),这验证了使用CT序列输入可以提高模型对于重度患者的识别能力,从而提高模型的召回率。(3)为了进一步提高分级模型的性能,本研究提出了融合CT图像以及临床指标的思路。在该思路的指导下,本文研究对Res Net50模型和TAS模型进行了改进,提出了两个数据融合分类模型,分别称之为Res_SVM和TAS+。Res_SVM模型将同一患者CT图像数据以及临床指标数据进行融合,大幅提升了Res Net50的召回率,最终在实验阶段,该模型的分类准确率为92.94%,召回率为87.67%,所有评价指标都取得了最优的成绩,说明融合CT图像以及相关临床指标在一定程度上可以提升模型的性能。此外通过TAS+模型的实验结果,发现TAS+模型性能随着融合的临床指标数量的增加而下降。经过对两个模型综合实验结果的分析,发现融合的四个临床指标虽然可以解决CT图像选取偶然性问题,但是会降低轻、重度患者的区分度,对模型性能的提升有利也有弊。本文研究完全基于医院经过严格脱敏程序之后提供的数据,全程没有医生的参与,包括两个数据集的制作。然而本文研究提出的分类模型依旧能够取得了优异的成绩,这表明这些模型在轻度患者和重度患者的自动分级中不仅有优异的效果,还有很好的普适性,对输入的数据几乎没有要求。
其他文献
在5G通信和国家工业物联网快速发展的时代,人们在军用和民用通讯上的数据需求量与日俱增。根据香农采样定理,带宽越宽可携带的信息量也就越大,天线作为通信系统的最前端其重要性不言而喻,超宽带阵列天线也凭借其在通信和探测领域的高带宽、高速率、高分辨率等特点而得到广泛的应用。但传统的超宽带阵列天线往往其体积庞大,造价较高限制了其进一步的发展。本文采用国际上一种全新的超宽带阵列天线设计方法,紧耦合超宽带阵列设
采用调制掺杂氮化镓(GaN)异质结结构的高电子迁移率晶体管(HEMT)在过去的十年中得到了迅速的发展,GaN被认为是高频和大功率相结合的最有前途的半导体技术之一,准确的GaN器件的模型是计算机辅助电路设计,特别是高效率功率放大器(PAs)和单片微波集成电路(MMIC)设计的关键组件,在众多建模方法中,行为模型因其高精度和低复杂度的特点脱颖而出成为了研究热点。近些年来,以机器学习为代表的人工智能技术
自互联网时代起,数字、符号、标签等结构化数据和图像、视频、文本等非结构化数据爆发性增长。这两类数据的高效精准混合查询是实现高质量信息检索的一项关键技术,也是目前工业界亟需突破的瓶颈。当前混合查询方法主要是分别查询结构化和非结构化数据再进行结果合并重排,即前者主要通过传统数据库查询实现,后者主要将非结构化数据向量化并通过近似最近邻搜索(Approximate Nearest Neighbor Sea
随着无线通信技术的发展,雷达技术被广泛地应用于目标识别、定位探测及医疗健康监测等领域。T/R(Transmitter and Receiver,T/R)组件作为雷达技术应用的硬件支撑,其性能好坏直接影响了信息传递和收集的准确性。作为T/R组件中不可或缺的核心器件,射频开关和射频驱动放大器备受学者和工程师的青睐。本文基于国产化0.5-μm Ga As工艺,针对应用于T/R组件的射频开关和射频驱动放大
近年来,大数据、云存储、机器学习等新兴互联网技术发展,使得网络环境越发复杂。在这种复杂的网络环境下,身份认证技术作为安全服务体系最底层的环节对网络的安全性起着重要作用。生物特征凭借其唯一性、便捷性等优势在身份认证领域被广泛应用,这同时也对隐私保护提出了新的要求。生物特征密码技术通过对生物特征识别技术和密码技术的有机结合,能够在保护秘密信息的同时解决生物特征模板的保护问题,为身份认证系统提供安全保障
随着电磁环境的日益恶劣和干扰的智能化,传统的跳频通信抗干扰技术已难以满足军事通信需求,迫切需要具有环境感知和学习的智能抗干扰技术。强化学习和深度强化学习算法通过具有学习能力的智能体(Agent)与环境交互并学习,可以适应高动态的复杂环境并根据自身状态得到最优决策,已经被广泛应用在无线通信领域。因此,本文主要研究应用强化学习和深度强化学习的跳频通信系统智能抗干扰决策技术。首先,研究了复杂电磁环境下跳
随着科技和工业智能化的发展,机械设备健康管理领域中越来越多的数据被采集,对设备的诊断分析和智能化故障预警也成为一种趋势。然而传统方式无法满足大数据背景下海量数据地处理需求,且海量数据中工况信息复杂多变,若采用人工标记训练的方式与智能化的指导思想相违背。在这样的背景下,需要采用深度学习等智能处理算法,设计一种适用于复杂工况的新型故障诊断模型,提高设备故障诊断的精准性和鲁棒性。因此,本文围绕面向复杂工
近年来,人们对制冷技术要求的不断提高,传统气体压缩制冷技术并不能满足社会进步需求。环境保护型、易定制化、制冷效率高的磁制冷技术孕育而生。磁制冷技术主要采用磁性材料作为制冷介质,依靠其内禀性能磁热效应(Magnetocaloric effect,MCE)来实现制冷。全部由3d过渡族元素组成的新型Heusler合金(all-d-metal Heusler alloy)因其巨磁热效应(MCE)备受凝聚态
磁共振成像是一种无电离辐射的非侵入式医学成像方法,现在已经广泛应用于临床辅助诊断中。但在实际应用中,由于磁共振成像速度较慢、易于产生运动伪影等缺点,使得该技术的应用受到一定的限制。并行磁共振成像方法采用了多个接收线圈同时采集磁共振信号,加快了磁共振成像速度,但是在欠采样情况下,获得的图像会出现混叠伪影。通过并行磁共振重建算法,可以利用空间灵敏度信息计算出缺失的相位编码信息进行图像重建,但是当加速因