【摘 要】
：
脑肿瘤是威胁人类生命安全的常见肿瘤之一。传统的脑肿瘤诊断方式是医生根据病人身体的不良症状以及眼底的并发症进行判断。随着医学技术的发展,现阶段对脑肿瘤的诊断方式变为了由医生根据病人的脑部MRI图像进行判断,但这种方式随着医生日常增多的工作量以及各个医生临床经验的不同,误诊、漏诊的情况在长期的临床诊断中时有发生。计算机辅助诊断系统（CAD）可以准确识别图像,协助医生进行日常阅片工作,缓解工作压力,提高
论文部分内容阅读
脑肿瘤是威胁人类生命安全的常见肿瘤之一。传统的脑肿瘤诊断方式是医生根据病人身体的不良症状以及眼底的并发症进行判断。随着医学技术的发展,现阶段对脑肿瘤的诊断方式变为了由医生根据病人的脑部MRI图像进行判断,但这种方式随着医生日常增多的工作量以及各个医生临床经验的不同,误诊、漏诊的情况在长期的临床诊断中时有发生。计算机辅助诊断系统（CAD）可以准确识别图像,协助医生进行日常阅片工作,缓解工作压力,提高诊断准确率。目前国内专门针对脑肿瘤具体病症检测的计算机辅助诊断系统以及相关研究还比较少。本文提出一种基于改进Inception模块的Inception-CNN模型,针对常见的三种主要脑肿瘤病症进行识别和分类,通过测试证明其准确率达到了可以辅助医生进行诊断决策的标准。本文所做工作具体如下:1.对Kaggle脑肿瘤MRI数据集进行筛选和处理,针对数据集类别不均衡的问题,通过不同的图像增强方法对其进行数据扩充并比较几种数据增强方法的效果,选用效果最好的方式来扩充、平衡所使用的数据集。2.针对人工识别脑肿瘤病症存在的误诊漏诊的情况,构建了基于改进Inception模块的Inception-CNN模型,在Kaggle脑肿瘤MRI数据集上进行识别和分类的工作,通过实验证明该模型能够更加准确有效的完成脑肿瘤MRI图像的识别分类任务,其临床应用效果可以达到辅助医生进行日常诊断的标准。3.针对测试数据集所存在的未标注病灶区的问题,在初始Inception-CNN模型中引入注意力机制,以此来克服由于病灶区未标注而给模型准确率带来的影响。通过在Kaggle脑肿瘤MRI数据集上进行测试,证明注意力模块的加入,对模型的各项性能指标均有所提升。通过在CE-MRI数据集上进行测试,证明加入注意力模块后的Inception-CNN模型能够以更高的准确率完成该数据集的识别分类任务。
其他文献
大约10%～20%肝硬化腹水患者可发生自发性细菌性腹膜炎,而并发自发性细菌性脓胸报告甚少。现将我院收治2例报告如下:例1,男25岁。以胸闷半年,发热、气急、腹痛4天入院。4年前患“乙型肝炎”。,半年前发现胸水。查体:T38.4℃,R32次,全身皮肤及巩膜轻度黄染,右侧胸廓饱满,第二肋以下叩诊实音,腹肌紧张,全腹均有压痛、反跳痛。移动性浊音（±）,
患者男,74岁。因肝炎后肝硬化腹水,冠状动脉硬化性心脏病于1992年6月17日入院,给予保肝,利尿,扩冠等中西医结合治疗。于入院后42天患者心跳呼吸突然停止,当即给予胸外按压,人工呼吸、吸氧等治疗,心电图为一直线,立即静推盐酸肾上腺素1mg、洛贝林、可拉明各1支,无效。2分钟后,再重复上述药物及剂量各1次,心电图仍无心电活动。加大肾上腺素剂量为3mg 静推,继续胸外心脏按压,至抢救20分钟
直肠肿瘤是直肠癌前期特征,是产生直肠癌的重要依据。因此,利用算法准确的分割直肠肿瘤的位置和大小是一项具有挑战性的任务。在诊断直肠癌的过程中,从CT影像中自动准确分割出直肠肿瘤区域,有助于提高医生的诊断速度和准确性。直肠肿瘤分割是非常具有挑战性的技术,也是医学图像分割中比较有意义的一项工作。因此,本文针对直肠肿瘤分割问题,提出基于U-Net改进模型的直肠肿瘤自动分割算法。首先在U-Net模型的每级编
腹水症是多种疾病发展到一定阶段的一个临床表现。临床上除对这些疾病本身进行治疗外,对腹水的解除也是一个重要环节。笔者用验方消臌散治疗多类腹水21例,疗效满意。其中男10例,女11例;年龄最大60岁,最小35岁,平均51岁。肝硬化腹水11例、结核性渗出性腹膜炎6例、肾病综合征2例（一例合并胸水及心包积液）、腹腔肿瘤2例。以上均通过有关检查确诊。
近年来,深受广大研究者青睐的群智能优化算法（EAs）很大程度上提高了复杂优化问题的求解,并将其用于多种领域的研究。其中,猴群算法（Monkey Algorithm,MA）对于大规模多峰优化问题的求解性能相对较高,应用前景较广。但在一些较大规模离散问题的求解上,MA还存在一些缺点,因此对MA的进一步研究,具有重要的现实意义。针对MA在大规模离散问题上的求解性能,本文主要选用折扣{0-1}背包问题（D
波动方程是描述自然界中各种波动现象的一种双曲型偏微分方程,其发展应用于各个领域,但其解析解难以求得,因此波动方程的数值求解显得越发重要。人工神经网络是能够以任意精度逼近偏微分方程的解析解,是求解波动方程数值解的一个重要工具。本文主要就人工神经网络算法求解波动方程以及该算法的改进作出如下的研究:第一章主要介绍了神经网络的背景知识及其发展的国内外现状,并简述了本文所做的工作。第二章介绍了神经元模型及单
机器人的诞生让人们的生活更加智能化。其中,具有自主移动功能的移动机器人更是当下非常热门的科技成果。路径规划是移动机器人执行各项任务的前提,它决定了移动机器人是否能够在作业区域内安全、高效地执行任务,对移动机器人的性能具有十分重要的影响。现有国内外文献对移动机器人的发展动态和路径规划均作了大量的研究,但对移动机器人从某个起点出发、经过多个目标点并避开障碍物、最终返回起点的情形研究还较少,本文选取这类
随着人工智能技术的不断发展,传统的机械臂应用变得越来越智能化,其中的一个关键智能化提升就是使机械臂获得在非结构化空间环境中对某种目标物品按某种物理属性进行快速分拣的能力。本文采用深度强化学习算法DDPG（Deep Deterministic Policy Gradient）代替在机械臂控制中的逆运动学解算方法,通过数据驱动的训练过程控制机械臂到达目标位置,从而抓取目标物体,达到分拣目标物品的目的。
智能建筑是“以建筑物为平台,兼备信息设施系统、信息化应用系统、建筑设备管理系统、公共安全系统等,集结构、系统、服务、管理及其优化组合为一体,向人们提供安全、高效、便捷、节能、环保、健康的建筑环境”。智能建筑的环境监测系统是智能建筑的重要子系统,它对建筑体内外环境提供全天候监测,为环境异常预测、节能降耗、安全管控、便捷生活等提供数据支持,有效保障建筑体及内部人群的生命财产安全,一直是现代建筑领域、信
近些年,随着通讯技术的快速发展,互联网上的内容越来越丰富,互联网已成为人们获取信息的主要途径。随着信息的指数级增长,对信息进行分类整理,减少信息检索的时间成本,提高信息资源的利用效率就显得越来越重要。文本是信息传递的重要载体,传统的文本分类模型需要人工进行特征工程,效率低下。所使用的特征提取方式具有高维度、高稀疏性的缺点。目前,基于深度学习的RNN（Rerrent Neural Network）和