【摘 要】
:
单光子发射计算机断层扫描(Single Photon Emission Computed Tomography,SPECT)借助单光子核素标记物实现全身骨骼形态和代谢的显像,通过发现病变部位的异常放射性浓聚或稀疏缺损实现疾病的无创检测,目前已成为诊断恶性肿瘤骨转移的首选方法。受限于成像技术和成像设备,SPECT骨扫描图像往往具有分辨率低,病灶区域边界模糊等缺点,使得医师诊断工作耗时、效率低并且伴随
论文部分内容阅读
单光子发射计算机断层扫描(Single Photon Emission Computed Tomography,SPECT)借助单光子核素标记物实现全身骨骼形态和代谢的显像,通过发现病变部位的异常放射性浓聚或稀疏缺损实现疾病的无创检测,目前已成为诊断恶性肿瘤骨转移的首选方法。受限于成像技术和成像设备,SPECT骨扫描图像往往具有分辨率低,病灶区域边界模糊等缺点,使得医师诊断工作耗时、效率低并且伴随主观错误。进而,骨扫描图像中病灶区域的精准分割显得尤为重要。随着深度学习在计算机视觉领域的广泛应用,特别是,卷积神经网络在不需要人工参与的情况下,以多层感受野的形式实现图像上下文信息的提取,为医学图像自动分割开辟了新途径。本文基于深度学习方法、影像组学方法研究了骨转移病灶的分割及其组学特征提取,主要开展了如下两方面的研究工作。(1)骨转移病灶的深度分割。深度分割即采用深度学习方法实现病灶区域分割。本文构建由特征提取和像素分类组成的端到端分割网络,在特征提取阶段提出多尺度融合的深度监督思想;在特征分类阶段,使用传统的支持向量机对提取的特征进行分类,结果显示DSC、Recall、CPA分别为0.6556、0.6257、0.6885。接着,提出由图像分割网络和图像重建网络组成的双路径网络,旨在将分割结果呈现到重建后的图像上,以辅助医生进行清晰的临床决策。其中,在分割网络中,提出Attention R-UNet结构,并构建消除正负样本不均衡和提高难分样本分类的复合损失函数,结果显示DSC、Recall、CPA分别为0.6610、0.6381、0.6857。与经典模型相比,所提模型结果均是最优的。(2)骨转移病灶的组学特征提取与分类。以分割的病灶区域为研究对象,通过从病灶区域提取大量组学特征来描述肿瘤生物学特征和异质性等信息,从而实现腺癌和小细胞癌的分类。首先,从全身SPECT图像中获取病灶区域构建组学数据集。其次,用影像组学算法提取出93维包含强度和纹理的组学特征,用不同的特征筛选方法将无关以及冗余的特征参数删除,保留分类目标强相关特征。最后,提出基于遗传算法(Genetic Algorithm,GA)的支持向量机(Support Vector Machines,SVM)参数选取方法,建立GA-SVM分类器对筛选的特征进行分类。实验结果显示Acc、Prec、Rec、F-1分别为0.7338、0.7339、0.7339、0.7339,相比于其他分类器,其结果是最优的。
其他文献
文本复述任务使用基于深度学习的自然语言处理技术,可以为生成出来的文本赋予多样性和创造性。其任务目标是让机器使用不同的措辞、表达,将原先的文本复述出来,该过程需要最大程度地保留原文本中的核心语义,并且保证生成的语句通顺。本文提出结合同义词词林和依存句法的词语复述生成以及基于命名实体识别和Laser Tagger的短句复述生成方法,通过学习数据样本之间的多样性及语句流畅度,在最大限度保留原句语义的情况
随着语音识别技术的快速发展,端到端语音识别框架已经成为主流。但是,这种框架需要大量的标记数据进行训练,这对于低资源语言情况下是非常困难的。为了解决低资源语言训练不足导致模型性能下降的问题,本文基于半监督语音识别方法在藏语数据上开展了研究。主要的工作如下:(1)基于半监督学习方法的藏语语音识别研究。本文首先使用藏语数据训练基线模型,以确保半监督模型的可靠性。然后,利用半监督学习方法,充分利用无标签数
随着互联网的普及,在网上欣赏和学习舞蹈成为一个必不可少的途径。然而,由于舞蹈视频网站的快速发展,信息过载的问题也日益突出。因此,在这种情况下,使用推荐系统来进行舞蹈推荐是一个有效的解决方案。深度学习技术作为一种有效的工具,可以解决传统推荐模型中的复杂特征提取和特征交叉问题。越来越多的研究开始重视召回阶段的重要作用,从而提升推荐系统的效率。因此,把推荐系统划分为召回和排序两个阶段,以期望在短时间内,
肺栓塞是由各种栓子堵塞肺动脉而引发的肺部呼吸类疾病,由于其临床表现不明显,致使患者漏诊、误诊率较高。肺栓塞疾病具有较高的致死率,严重危害人们的身体健康,因此,对该疾病的早期诊断具有重要意义。SPECT肺灌注图像是目前诊断肺栓塞等肺部疾病常用的无创性检查手段,然而由于肺灌注图像存在空间分辨率低、个体差异大、显像区域边界模糊等问题,给肺栓塞疾病的诊断及定量分析带来了挑战。对于上述问题,面向SPECT肺
大数据时代,短视频平台在社会生活中的占比越来越大,其内容涉及到社会新闻、文化娱乐以及电商营销等多个方面,短视频用户数量呈指数级增长。基于短视频平台,大量用户对各种各样的短视频自由发表自己的意见与看法,产生了海量的文本评论数据。对短视频文本评论数据进行话题检测和情感分析研究,可以在一定程度上正确引导社会舆论,了解民生民意,为商业营销计划和政府相关管控措施的制定提供一定的参考价值。本文主要工作分为以下
近年来,随着深度学习技术的不断进步,语音识别技术也在快速发展。目前,语音识别声学建模有两种框架:混合架构和端到端架构。端到端架构通过单一网络对目标函数进行训练和优化,避免了混合架构的模块化设计和独立性假设,具有联合优化和易于部署等特点。但端到端架构也存在两个问题:一是需要大量标注数据,二是噪声和方言问题。这两个问题会极大限制缺乏语音标注数据的低资源语种语音识别发展。本文针对端到端架构的这两个关键问
随着人工智能的蓬勃发展,生物特征识别技术如面部、虹膜、指纹和语音等在我们日常生活中也得到了广泛的应用。其中特别是人脸识别技术和说话人识别技术,它们有着高用户接受度且取样成本较低的优势,在各个移动设备上的使用也变得很常见。但是在实际应用中,视听识别很容易受到现实世界里各种复杂场景的影响,如综艺、采访、唱歌、电影和电视剧等。它们包括有说话人识别中的多人混合说话、远近场导致的声音不清晰和环境噪声等问题,
机器阅读理解作为智能问答技术的全新方法,让机器解析用户输入的问题,理解用户意图,通过机器阅读理解模型从文章中快速、准确地检索并查找到细粒度的答案片段。它能为广大用户提供一种高效的答案检索方式,被广泛应用到百度搜索、自动问答机器人、智能客服机器人等场景,具有良好的发展前景和应用价值。随着机器阅读理解中/英文数据集种类增加、复杂度的扩大化以及硬件图形处理器算力的大幅提升,机器阅读理解系统逐渐由传统浅层
随着移动互联网的高速发展,人们也逐步由信息获取困难转变为信息过载,为了方便人们高效的获取有用信息,推荐算法应运而生。视频推荐系统作为视频平台的标准配置已广泛应用,但仍存在以下问题:视频特征未能全面的提取,例如评论,标题,简介;弹幕文本信息未得到充分利用并融入视频推荐中;视频内容与用户的兴趣喜好关联计算不足等影响推荐效果。本文针对视频推荐中存在的问题提出了融合多特征的弹幕视频推荐算法,主要研究工作如
步入数字化时代,数字化的发展催生了数字经济,全方位助力社会的发展。数字经济成为经济增长的新引擎,也成为我国创新发展的新势能。“十四五”规划中提出,要促进数字技术与实体经济深度融合、推动数字经济和实体经济深度融合。在此时代背景下,本文聚焦企业数字化发展,探究制造业企业数字化水平、创新绩效与全要素生产率之间的关系具有重要的理论和实践意义。基于此,本文选取2012年-2020年A股制造业企业作为研究对象