【摘 要】
：
2019年12月由于新冠疫情爆发,全球200多个国家人民都在面临病毒的威胁。在这种情况下,及时快速的诊断可以较早的发现受感染的患者,阻止感染患者疫情的扩散。一方面,早期的临床医学研究表明,COVID-19患者在CT扫描的影响序列中表现出某些独特的放射学特征可以作为肺部感染的评定与估计严重程度。但是由于放射学影响特征需要放射科医生的大量诊断经验,导致医生在诊断COVID-19和其他病毒性肺炎上有显著
论文部分内容阅读
2019年12月由于新冠疫情爆发,全球200多个国家人民都在面临病毒的威胁。在这种情况下,及时快速的诊断可以较早的发现受感染的患者,阻止感染患者疫情的扩散。一方面,早期的临床医学研究表明,COVID-19患者在CT扫描的影响序列中表现出某些独特的放射学特征可以作为肺部感染的评定与估计严重程度。但是由于放射学影响特征需要放射科医生的大量诊断经验,导致医生在诊断COVID-19和其他病毒性肺炎上有显著的差距。因此,一种准确快速的智能化自动诊断COVID-19的检测方法,成为了解决困局的希望。然而另一方面,深度模型的训练需要大量的新冠患者的诊断数据,但是病人数据具有隐私性和法律保护性,所以智能化自动诊断模型面临着训练数据不足、数据隔离等问题。综合以上因素,本文设计并开发了一项基于联邦学习的COVID-19智能化自动诊断系统。首先,本文在疫情爆发后的三个月进行患者数据收集工作,并求助放射科专家进行了高质量的数据标注和数据分析。其次,为了解决数据独立的困境,本文利用三个医院的独立非共享数据,设计搭建了联邦学习框架,传输过程加密且不涉及数据层面的信息,同时参考视频动作识别领域的研究方法,利用处理好的数据集分析设计3D卷积网络作为联邦学习的基础网络模型。最后,为了能让本文的工作得到更多的认可和应用,采用Java的SpringBoot框架开发一套网络应用,提供网页界面和REST API接口供广大用户免费使用。本文将联邦学习的框架开源在https://github.com/HUST-EIC-AI-LAB,希望能得到不同医院的信赖,打造一套诊断更加快速、诊断更加准确的COVID-19智能化自动诊断模型。
其他文献
人脸属性编辑是指更改人脸图像的某个或者某些属性,比如姿态、表情、年龄等,而其它的属性不发生变化。目前,人脸属性编辑在社交娱乐,人机交互等场景具有广泛的应用。诸如美颜、换脸、虚拟人助理等已经在手机端被广泛使用。随着计算机图形学和计算机视觉,特别是生成对抗网络的快速发展,人脸属性编辑算法也层出不穷。然而,其中的有些算法对于人脸属性的解耦不充分,并且需要大规模的人脸属性标注数据来训练网络,这限制了这类算
细粒度图像分类是计算机视觉研究的热门领域之一,其研究成果是众多日常应用（如图片搜索、在线购物等）的技术基础。相较于常规的图像分类技术,细粒度图像分类技术需要具备更强的对图像中关键线索定位、识别以及推理的能力。文字带有丰富的语义信息,对当前场景的理解和定义具有正向作用,是非常重要的线索之一。结合文字语义和视觉特征两种模态信息进行图像分类将显著提高细粒度分类效果,虽然目前已有不少基于多模态融合的相关工
目的 探讨眩晕病的临床治疗方法，评价中医辨证治疗方法的应用效果。方法 抽取我院2019年3月至2020年12月收治的60例眩晕症患者作为研究对象，通过计算机抽签进行分组，随机分为观察组和对照组各30例。观察组应用中医辨证治疗方法，基于中医理论，对不同症状的患者采用不同的治疗措施。对照组应用维生素B、异丙嗪、盐酸氟桂利嗪胶囊、甲磺酸倍他司汀片等药物进行治疗。对比两组眩晕病患者的症状改善情况、治疗有效
医学图像分割是诸多临床应用中的关键技术,例如疾病诊断,手术计划,疗效评估等。近年来,基于卷积神经网络（Convolutional Neural Network,CNN）的深度学习方法在医学影像分割中取得了巨大的成功。然而,3D计算机断层扫描影像（Computer Tomography,CT）中小目标分割（如胰腺器官、肺炎小病灶等）依然面临着挑战:1)待分割目标在整个3D CT影像中占据很小的体积（
为规范眩晕症的科学用药，中国医药教育协会眩晕专业委员会特成立专家小组，在纳入现有医学科学证据的基础上，结合专家丰富的临床经验，经反复讨论后形成《甲磺酸倍他司汀治疗眩晕症的专家共识》。本共识包括组胺类药物的药理基础以及甲磺酸倍他司汀在常见眩晕疾病（如良性阵发性位置性眩晕、梅尼埃病、前庭神经炎等）中的用药推荐等级、剂量、疗程、复查方法、特殊人群用药、药物不良反应等方面，旨在帮助医生提升临床实践水平。
图像视频中的物体分割技术是众多计算机视觉应用的基础。为降低物体分割技术落地应用的数据标注成本,研究弱监督物体分割技术非常必要。传统弱监督分割技术往往只关心图像中物体和背景的外观特征,而忽略了图像中丰富的三维几何信息。为此,本文展开了基于图像深度估计的弱监督物体分割技术研究和应用。首先,针对当前深度估计模型主要聚焦于室内或无人驾驶场景,缺乏通用的开放场景下的深度估计数据集和模型,本文收集了开放场景单
病理图像中细胞的数量与位置分布反应了疾病的重要信息,有助于病理学分析与疾病诊断。细胞计数、定位与分析通常由具有专业知识的医生完成,人力成本高,消耗时间长,不便于疾病的快速诊断与对症治疗。随着图像处理技术的快速发展,细胞自动计数与定位技术取得了长足的进步。传统的基于区域检测和细胞分割的定位方法及密度回归细胞计数算法,对于形态结构相对简单的病理细胞图像,性能较好。但病理细胞往往呈现形状变化（非圆形）、
近年来,无人机、移动机器人、增强现实等人工智能技术发展迅速,成为当前热门的研究方向。其中的一项核心技术就是视觉里程计（Visual Odometry,VO）技术。视觉里程计使机器人能够通过轻量级的相机感知周围的环境,并确定自身位置信息,这对于机器人的智能化控制是必不可少的。仅使用单个相机的视觉里程计称为单目视觉里程计,因其成本低、容易部署等特性,成为了机器人领域的一项重要研究课题。单目视觉里程计可
图像语义分割是计算机视觉的基础任务之一,旨在为图像的每个像素分配语义标签,是自动驾驶、视频美颜、医学影像分析、遥感影像分析等人工智能应用中的关键技术。为促进图像语义分割技术的快速、低成本落地应用,进一步提升语义分割网络的推理速度,减少其训练过程中所需要的人工标注量,本文基于神经网络架构搜索（Neural Architecture Search,简称NAS）研究了轻量级、弱监督语义分割网络的设计,从
脑血管疾病是影响国民健康的重要原因之一,严重时可导致卒中等意外。由于脑卒中具有发病急的特点和较高的致死致残率,在急诊中如何提高脑血管疾病的诊断准确率、缩短诊断时间是临床上需要解决的一大问题。急诊中首选的成像方式是快速清晰且无创的计算机断层血管造影（Computed Tomography Angiography,CTA）。但CTA是三维影像,诊断时需来回查看其二维切片,这大大降低了医生的诊断效率。高