【摘 要】
：
近几年人类患癌症的发病例越来越多,尤其是肺癌方面,是一种常见的恶性肿瘤,其中多数为非小细胞肺癌（Non small cell lung cancer,NSCLC）,而非小细胞肺癌细分亚型主要是鳞状细胞肺癌（squamous cell carcinoma of the lung,LUSC）和肺腺癌（lung adenocarcinoma,LUAD）,由于病理图像较为复杂的特征,仅仅凭借专业医生进行人
论文部分内容阅读
近几年人类患癌症的发病例越来越多,尤其是肺癌方面,是一种常见的恶性肿瘤,其中多数为非小细胞肺癌（Non small cell lung cancer,NSCLC）,而非小细胞肺癌细分亚型主要是鳞状细胞肺癌（squamous cell carcinoma of the lung,LUSC）和肺腺癌（lung adenocarcinoma,LUAD）,由于病理图像较为复杂的特征,仅仅凭借专业医生进行人工肉眼识别,需要大量的人力时间和精力,随着计算机视觉的快速发展,利用深度学习等技术可以有效识别专业图像类别,准确区分其亚型能够在很大程度上帮助医生快速、精准地诊断病情,具有十分重要的临床意义。深度学习是关于计算机视觉领域的一种强大的工具,该技术与医疗方面相融合为肺癌诊断的方方面面提供了新思路,促进了人工智能和医疗界的发展。针对非小细胞肺癌病理图像纹理复杂并且相似度较高,导致检查效率低下、耗费大量时间等问题,本文基于深度学习设计分类优化算法,针对非小细胞肺癌病理图像的分类问题进行了细致深入的研究,同时有针对性的进行了改进和优化,目的在于提高模型的识别效果和准确率,本文的主要工作内容如下:（1）提出一种基于多注意力的非小细胞肺癌双任务分类算法（Multi-Attention Dense Net,MADNet）,针对数据集中图像存在数量不足且每类图像分布不均衡,本文采用翻转旋转等方式进行数据增强,解决样本不均衡和数量不足的问题。主干网络通过改进原始的Densenet121,融合改进的注意力密集连接模块可对非小细胞肺癌病理图像同时进行二分类和多分类任务,实验结果表明,改进后的网络进一步提高了分类性能。（2）提出一种基于双流迁移学习与注意力机制肺癌图像分类模型（SE-Res Net VGG Net,SE-RVNet）模型。在核心模块中,利用VGG16和Res Net50进行迁移学习,将VGG16和ResNet50指定层输出的特征信息进行融合,并改变网络的初始权重。再加入SE注意力机制模块进行特征提取。模型中引入了FRN进行归一化,使用focal loss损失函数以平衡正负样本权重。实验结果在TCGA数据集上得到了较好的识别效果,在TCGA数据集上的二分类和多分类准确率分别达到了99.8%和95.9%。本文运用深度学习算法对非小细胞肺癌病理图像进行分类算法研究,对现有的分类算法进行优化改进,通过多次实验对比,本文提出的算法得到了较为高效的准确率和良好的分类效果,对于医疗领域的发展也起到了较大的帮助。
其他文献
常家庄园不仅是晋商的代表性建筑,其规模更是超过了其他晋商大院。常氏家族一直以来重视孩子的读书教育,后代子孙人才辈出,被人们誉为“儒商世家”。常家庄园不但是晋中的标志性旅游景点,更在三晋地区民俗文化传播发展过程中产生了巨大的影响。相信随着社会的不断发展,常家庄园家风家训文化的宣传将可以更加普及和传播我国优良的传统民俗文化。研究晋商家之训并继承其优良的家风文化,回应了习近平总书记强调家风建设的重要性。
随着信息技术的突破和个人智能设备的普及,网上办公、网上购物等活动逐渐成为人们的日常,但是这些技术便捷了人们的生活的同时,也造成了其越来越严重的数据泄露隐患,比如个人信息被滥用、过度收集、非法交易等,发展个人信息安全的保障技术刻不容缓。近年来,信息安全和密码学理论的相关研究逐步发展,尤其是与公钥密码技术相伴的数字签名技术有十分重要的研究和应用前景,这其中面向群体数字签名更是扮演着举足轻重的角色。面向
支气管扩张症是一种常见的慢性呼吸道疾病,严重影响了患者的生活质量,带来了沉重的社会经济负担。CT影像是医生诊断支气管扩张的主要手段,通过CT影像可以获得更多的肺部细节。但由于CT影像的特性,也给医生的诊断工作增添更多机械性的负担。随着人工智能的发展,可利用计算机视觉领域的目标检测技术辅助诊断支气管扩张,及时发现支气管扩张并减轻医生的负担。本文基于深度学习对支气管扩张的检测进行了相关的研究,将目标检
阻塞性睡眠呼吸暂停综合征（obstructive sleep apnea syndrome,OSAS）是上呼吸道反复部分或全部衰竭的一种疾病,大多数阻塞性睡眠呼吸暂停与不同程度的头颅骨骼变化有关。轻度疾病会影响患者的夜间睡眠质量,严重者会引发其他类型的疾病。目前,阻塞性睡眠呼吸暂停的主要检测方法是采用多导睡眠监测与传统机器学习方式,由于多导睡眠监测诊断方式存在高成本低效率的缺陷,而且传统机器学习又
近年来,随着互联网技术的快速发展,社交平台上的信息量爆增,给人们的生活带来了很大的变化。与此同时,也伴随着大量的谣言。谣言一旦散播开来,那么造成的危害是难以估计的,它的散播速度和广度都是相当惊人的。那么如何高效地识别谣言且尽可能地减小其造成的危害,无疑已经成为一个亟待解决的难题。鉴于此,社会各界及政府部门都采取了不同的措施,力求通过相关技术来及时、准确地识别出谣言,进而维护社会的公平和正常秩序。作
近年来,随着我国居民消费水平的提升以及人口老龄化进程的加快,糖尿病患者数量大幅度攀升,且发病群体年轻化趋势明显。据调查显示,糖尿病的有效防治手段包括糖尿病知识教育、自我血糖监测、健康饮食等,而“互联网+”医学教育科普服务多年来积淀了大量的数字化诊疗信息。因此,研究如何利用互联网帮助用户简单有效地获取糖尿病防治知识是本文研究的重点。通过传统的搜索引擎查询知识,用户得到的是冗余的数据,难以快速精准地获
应急物资动员数据作为国家基础性隐私数据,其安全状况是国家健康、稳定、持续发展的重要保障。应急物资动员数据作为应急物资动员系统中的核心价值,为其运行控制提供了科学的决策支撑。但是,应急物资动员系统面临着许多复杂的安全问题,如何确保应急物资动员系统数据安全成为亟待解决的问题。应急物资动员的数据安全问题主要体现在数据的恶意删除、篡改和泄露、传统的认证方式安全性低等。因此,应急物资动员数据的隐私得不到有效
近些年来,随着科技发展和生产力的进步,人类罹患眼疾的可能性也越来也高,也有越来越多的人们因为眼部疾病的困扰而难以生活和生存。近视、视网膜脱离、视网膜静脉阻塞、糖尿病视网膜等疾病不仅需要在发病时及时诊断,更重要的是患者希望能够在疾病早期就通过筛查手段发现病症,尽早治疗。随着越来越多的人们患有不同程度的眼部疾病,医疗系统中的眼科部门也逐渐感到力不从心。为此,针对眼科拍摄的各类照片使用计算机技术辅助医生
推荐系统一直是解决现代信息过载问题的关键技术之一,在个性化推荐系统的发展过程中,一直面临着数据稀疏、冷启动、推荐系统性能差等问题,这些问题对推荐系统的准确性影响很大。为了解决这一问题,研究者将社会关系信息引入传统的推荐框架并提出了社会化推荐方法。现阶段,大多数方法仅利用了一阶的社会关系,并没有充分的利用社交图中的辅助信息,而高阶的社会关系可以通过不同距离的朋友更好解释用户的兴趣偏好。针对这个问题,
儿童阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea,OSA）是呼吸道中发病率较高,且并发症众多的疾病之一。如果得不到及时的治疗,可能会导致严重的神经行为问题、心血管疾病和精神疾病等,影响儿童终身。常见的临床诊断由于检测周期长,仪器昂贵等原因,患儿无法得到及时的诊断和治疗。所以利用计算机对儿童OSA进行辅助诊断至关重要。目前研究中主要存在的问题是患儿数据集较小,阴性样本占比较大,