基于肺部低剂量CT的随访知识辅助分类研究

来源 :太原理工大学 | 被引量 : 0次 | 上传用户:liuxiaotiancxks
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着医学领域的随访工作逐渐被重视,在医学图像处理领域,通过相关分析方法获吗取随访信息的工作也变得越来越重要。就肺癌筛查工作而言,在早期阶段的诊断过程中,医师常需要根据分级报告对当前CT的筛查结果进行评估并给出随访筛查的建议。而随着随访时间和随访次数的推移,医师对于随访类筛查结果的判断往往容易忽视时间信息及相关随访信息从而造成误诊和漏诊问题。同时,在肺癌的计算机辅助诊断方法中,大多肺结节分类模型并没有考虑到上述类似的随访因素,应对此类问题往往存在方法上的缺陷。围绕低剂量CT长时期筛查工作这一背景,针对随访知识辅助分类任务进行了研究,针对长时期筛查过程中,采集随访数据过程中出现的缺失问题导致的数据不平衡现象的改善进行了研究,主要研究工作如下:1研究和分析了用于随访知识辅助肺结节分类的蒸馏方法。利用基于激活张量注意力的知识蒸馏网络中知识迁移的思想,处理长时期肺结节分类任务。在知识蒸馏的网络结构上、注意力提取方法和损失函数部分分别进行了改进,具体激活张量注意力网络在结构上使用双分支网络将强知识提取到弱知识网络中,而多时期蒸馏网络不区分强弱知识,同时按数据时期不同设计为三分支网络结构。在注意力提取方法上,本文重点对图像边缘特征、大小特征以及结节实性特征进行了注意力分析,在损失函数部分,网络则同时提取输出层向量和注意力层向量用于蒸馏损失的训练。最终得到的多时期蒸馏网络相比使用单时期的网络结构提升了分类精度。2研究和分析了数据不平衡问题下使用优化元学习算法改善分类效果的方法。实际过程中,多时期的低剂量CT筛查数据以年为单位存在明显的不平衡现象。这一现象造成了数据在多时期蒸馏网络中的输入部分的数据分布差异较大的问题,从而影响了各分支网络的分类泛化能力。对此,研究利用优化元学习算法中一种利用正则化函数解决数据分布不平衡问题的方法,改进了算法结构并将其应用到多时期蒸馏网络当中,同时在实验部分对比分析表明使用的不同正则方法L2范式对提升泛化能力效果的影响最佳,以及随数据量变化,模型对泛化能力提升的效果按100,200,400,800不平衡数据量下达到10到20个百分比的精度。
其他文献
分布式共识算法是分布式系统的基础,通过对多个副本节点执行的命令序列达成共识,达到副本的最终一致。随着分布式系统的发展,越来越多的系统被部署在地理跨度大的广域网环境中,它们对分布式共识算法提出了进一步要求,希望其在保证系统正确运行的前提下,能使用尽可能少的延迟对命令达成共识,提升系统性能。Paxos算法是最具有代表性的分布式共识算法,分两阶段完成:选举领导者阶段(Leader election ph
伴随着外骨骼理论及技术的逐步成熟,外骨骼设备已广泛应用于社会的各个领域。考虑到由于矿井下有许多繁重的体力劳动,因此本文提出研制外骨骼机器人来辅助人工完成这些重体力作业。本文以矿用外骨骼机器人的驱动系统为研究对象,应用外骨骼运动学相关知识和软件建模及仿真等手段,对矿用外骨骼机器人的驱动系统进行了详细的分析研究。具体内容如下:(1)对外骨骼机器人的关节配置及驱动理论进行分析研究。根据拟人化仿生机械相关
近年来,随着物联网技术的不断发展,与物联网相关的环境感知、数据传输和云端计算等技术已成为热门的研究方向。物联网感知层的主要目的,是将物理世界的模拟信号转换为计算机能传输、存储和计算的数字信号。感知层中的主要任务是对用户和物品的定位,以及对用户的认证和行为动作的感知。其中用户认证部分是物联网感知层的关键技术,在对用户身份认证后,才能进一步提供个性化服务。本文重点研究采用射频识别(Radio Freq
随着移动互联网的快速普及,人们使用网络的目的也发生了巨大变化,电商平台的出现也极大的改变了人们的消费方式,随之而来的互联网评论信息也使得人们在进行决策行动之前有了更多的参考。就各大酒店预定平台使用过程来说,用户通过浏览酒店的评论信息来获得更直观的判断。通过对酒店的评论数据进行情感分析,可以清晰地了解到用户对于酒店的客观评价以及入住体验,从而帮助其它用户进行快速决策,选到合适的入住酒店,降低用户的选
随着人工智能不断发展,人机交互在现实生活中也越来越重要,实现良好人机交互离不开对情感的识别。除此之外,情感识别在医疗卫生,国防安保,商业金融等领域也有着十分广泛的应用。如今情感识别可以分为基于生理信号的情感识别和基于非生理信号的情感识别,其中基于人脸的情感识别是基于非生理信号情感识别的重要部分。基于人脸的情感识别有着方便快捷的优点,但是在人为主观的刻意隐藏情况下,会造成识别不准确的问题;使用生理信
互联网和人工智能技术的快速发展为信息的传播和有效利用提供了时宜的契机,但是随着信息量的大量积累,信息过载问题已然成为困扰人们的重要问题,为此个性化推荐算法应运而生。推荐算法不仅可以节省用户的搜索成本,增强用户体验,而且可以将有价值的产品推荐给用户,增强实体制造商的积极性。因此,如何将有价值的产品推荐给有真正需求的用户是推荐算法研究的重要课题。融合社会化关系的个性化推荐算法不仅可以传递好友间的信息,
图像信息是人们感知世界的一种重要形式,随着人工智能的发展,人们对图像处理的要求越来越高,在图像处理的整个过程中,图像分割处于较为基础的地位,对图像识别的准确性有很大的影响,因此图像分割在工程领域和日常生活中都有重要的作用。长久以来,研究者们在图像分割领域进行了深入的研究,图像分割的方法也越来越多样化,但是至今仍然没有一种通用的方法,所以有关图像分割的探索一直在继续。其中模糊C均值(Fuzzy C-
河域边界线指的是河域中波动的水面与河滩的瞬时交界线,其位置信息的实时监测在河域自动化测流中起着十分重要的作用。现为实现河域测流平台在测流时对河域边界线的自动实时视觉识别与定位而可自动布置测流点,达到河域全自动化测流的目标。现针对河域边界线的实时视觉识别提出方法研究,接着对识别到的边界线进行坐标定位并应用于测流点布置。本课题针对水文站的实际测流工作需要,首先进行了视频监控系统的搭建,实现了研究对象的
近年来,我国的交通运输业成为了发展较快的行业之一,成为了构成国家经济中的一个核心部分。交通基础设备建设关联了社会中的各种环节,对城市以及国家的经济增长起着关键作用。全覆盖的建设高速网络,可连接部分人口较少的城市,提升居民出行便利性,支撑新型城镇化发展。据相关部门的规划,在十三五结束时,我国的道路可以行车的总公里数将实现15万公里的突破,至2020年,我国在城市建成区已经拥有超过每平方公里8公里的平
特殊场景常常面临样本不易获取的问题,由此造成该场景分类识别任务的样本缺乏。针对场景样本缺乏的问题,利用辅助域(或称源域)构建迁移学习模型,提高困难场景中样本分类准确度与性能是当前研究的热点与难点。以本地森林火灾预防为例,由于样本缺乏,对本地森林火灾图像检测较困难,近几年森林火灾频繁发生,使提高本地森林火灾图像检测准确率变得尤为重要。因此,解决本地森林火险多分辨图像分类识别问题并提高烟雾样本分类准确