乳腺X線人工智能檢測系統(tǒng)在乳腺腫瘤診斷中的應用價值
發(fā)布時間：2022-02-10 19:33
目的:本研究擬探討乳腺X線人工智能檢測系統(tǒng)在乳腺腫瘤診斷中的應用價值。方法:研究資料:1.本研究數(shù)據(jù)包括驗證集及測試集,驗證集數(shù)據(jù)用于MammoWorksTM乳腺智能檢測系統(tǒng)調(diào)整參數(shù)以及系統(tǒng)優(yōu)化,測試集數(shù)據(jù)對優(yōu)化后的系統(tǒng)進行測試。2.總計入組1413例女性,其中驗證集共1218例,測試集共195例。3.驗證集:（1）BI-RADS 56類448例,BI-RADS 1類448例;（2）臨床觸診陰性乳腺腫瘤322例。4.測試集:BI-RADS 56類130例,BI-RADS 1類65例。研究方法:使用MammoWorksTM乳腺智能檢測系統(tǒng)對所有入組患者乳腺鉬靶X線圖片進行分析。1.MammoWorksTM（版本號3.5.2.6）在驗證集中的診斷價值研究1)分析MammoWorksTM（版本號3.5.2.6）在乳腺惡性腫瘤中的檢測效能及臨床病理特征對其檢測效能的影響2)分析MammoWorksTM（版本號3.5.2.6）在臨床觸診陰性乳腺...
【文章來源】：西安醫(yī)學院陜西省
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
醫(yī)學專家系統(tǒng)組成模塊
系統(tǒng)等都是專家系統(tǒng)在醫(yī)學中的應有場景[37]。我國，主要體現(xiàn)在中醫(yī)領域，如：中醫(yī)婦科診斷系統(tǒng)、在西醫(yī)領域也得到了不同的開發(fā)，如血氣酸堿分析頸腰疾病專家系統(tǒng)、肝病營養(yǎng)療法專家系統(tǒng)、腦血預報專家系統(tǒng)等，都獲得了較好的使用效果[29, 37]。網(wǎng)絡在醫(yī)學中的應用絡（Artificial Neural Network，ANN）是一種模擬通過學習人腦的信息處理方式，獲取外界知識并存非線性轉換[38, 39]。人工神經(jīng)網(wǎng)絡有三大功能：自主尋找優(yōu)化解的功能。生物的神經(jīng)元主要由細胞體、神經(jīng)網(wǎng)絡由大量的神經(jīng)元單位組成，它的主要結構分，由輸入層、隱含層和輸出層構成，其中隱含層
的主要目的是消除多余（交叉重復）的窗口，找到最佳物體檢測位置。該算法模型中使用的卷積神經(jīng)網(wǎng)絡（CNN）的基礎是 VGG16 網(wǎng)絡，它是 16 層深度 CNN。最后一層可以檢測圖像中兩種物體，即良性病變（benign）和惡性病變（malignant）。模型輸出每個檢測到的病灶邊界框和一個分數(shù)，該分數(shù)反映了算法對病灶類別的信心。為了用一個分數(shù)來描述圖像，取圖像中檢測到的所有惡性病變的最大分數(shù)。對于同一乳房的多個圖像，取得單個圖像得分的平均值。算法檢測病灶的具體實現(xiàn)過程：首先對輸入的乳腺鉬靶影像圖片進行神經(jīng)網(wǎng)絡的多層卷積層和池化層操作，從而實現(xiàn)目標特征自動提取，得到特征目標圖像（Feature map）后，將其輸入一個區(qū)域提取網(wǎng)絡（region proposal network, RPN）中，實現(xiàn)自動提取目標病灶區(qū)域（Regionsof Interest, ROI），并將 ROI 區(qū)域映射到特征圖上（ROI pooling）,最后對映射后的特征圖進行預測病灶類別和位置。1.提取候選框
【參考文獻】：
期刊論文
[1]人工智能臨床應用研究進展[J]. 鄭紅穎,楊艷,倪佳琪,秦彥雯,富晶晶,李衛(wèi)平. 護理研究. 2019(03)
[2]人工智能在醫(yī)學影像中的研究與應用[J]. 韓冬,李其花,蔡巍,夏雨薇,寧佳,黃峰. 大數(shù)據(jù). 2019(01)
[3]中國各類癌癥的發(fā)病率和死亡率現(xiàn)狀及發(fā)展趨勢[J]. 陳金東. 遵義醫(yī)學院學報. 2018(06)
[4]乳腺癌相關危險因素及其研究現(xiàn)狀[J]. 王晗影,魏亞寧. 科學大眾(科學教育). 2018(07)
[5]人工智能在醫(yī)療及神經(jīng)病學領域的應用[J]. 黃歡,趙鋼. 華西醫(yī)學. 2018(06)
[6]磁共振成像在乳腺癌診斷中的應用進展[J]. 趙娜,陽青松,陸建平. 第二軍醫(yī)大學學報. 2018(02)
[7]乳腺癌術前磁共振成像動態(tài)對比增強模式在保乳治療中的應用[J]. 熱米拉·先木西丁,劉艷. 中國臨床醫(yī)生雜志. 2018(02)
[8]深度學習技術在醫(yī)學影像領域的應用[J]. 夏黎明,沈堅,張榮國,王少康,陳寬. 協(xié)和醫(yī)學雜志. 2018(01)
[9]人工智能在腫瘤病理診斷和評估中的應用與思考[J]. 于觀貞,魏培蓮,陳穎,朱明華. 第二軍醫(yī)大學學報. 2017(11)
[10]人工智能及在醫(yī)療領域的應用[J]. 劉文亮,黃曄春,畢士鑫. 數(shù)碼世界. 2017(10)
碩士論文
[1]人工神經(jīng)網(wǎng)絡在中醫(yī)臨床辨證模型研究中的應用[D]. 辛基梁.福建中醫(yī)藥大學 2017
本文編號：3619405
【文章來源】：西安醫(yī)學院陜西省
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
醫(yī)學專家系統(tǒng)組成模塊
系統(tǒng)等都是專家系統(tǒng)在醫(yī)學中的應有場景[37]。我國，主要體現(xiàn)在中醫(yī)領域，如：中醫(yī)婦科診斷系統(tǒng)、在西醫(yī)領域也得到了不同的開發(fā)，如血氣酸堿分析頸腰疾病專家系統(tǒng)、肝病營養(yǎng)療法專家系統(tǒng)、腦血預報專家系統(tǒng)等，都獲得了較好的使用效果[29, 37]。網(wǎng)絡在醫(yī)學中的應用絡（Artificial Neural Network，ANN）是一種模擬通過學習人腦的信息處理方式，獲取外界知識并存非線性轉換[38, 39]。人工神經(jīng)網(wǎng)絡有三大功能：自主尋找優(yōu)化解的功能。生物的神經(jīng)元主要由細胞體、神經(jīng)網(wǎng)絡由大量的神經(jīng)元單位組成，它的主要結構分，由輸入層、隱含層和輸出層構成，其中隱含層
的主要目的是消除多余（交叉重復）的窗口，找到最佳物體檢測位置。該算法模型中使用的卷積神經(jīng)網(wǎng)絡（CNN）的基礎是 VGG16 網(wǎng)絡，它是 16 層深度 CNN。最后一層可以檢測圖像中兩種物體，即良性病變（benign）和惡性病變（malignant）。模型輸出每個檢測到的病灶邊界框和一個分數(shù)，該分數(shù)反映了算法對病灶類別的信心。為了用一個分數(shù)來描述圖像，取圖像中檢測到的所有惡性病變的最大分數(shù)。對于同一乳房的多個圖像，取得單個圖像得分的平均值。算法檢測病灶的具體實現(xiàn)過程：首先對輸入的乳腺鉬靶影像圖片進行神經(jīng)網(wǎng)絡的多層卷積層和池化層操作，從而實現(xiàn)目標特征自動提取，得到特征目標圖像（Feature map）后，將其輸入一個區(qū)域提取網(wǎng)絡（region proposal network, RPN）中，實現(xiàn)自動提取目標病灶區(qū)域（Regionsof Interest, ROI），并將 ROI 區(qū)域映射到特征圖上（ROI pooling）,最后對映射后的特征圖進行預測病灶類別和位置。1.提取候選框
【參考文獻】：
期刊論文
[1]人工智能臨床應用研究進展[J]. 鄭紅穎,楊艷,倪佳琪,秦彥雯,富晶晶,李衛(wèi)平. 護理研究. 2019(03)
[2]人工智能在醫(yī)學影像中的研究與應用[J]. 韓冬,李其花,蔡巍,夏雨薇,寧佳,黃峰. 大數(shù)據(jù). 2019(01)
[3]中國各類癌癥的發(fā)病率和死亡率現(xiàn)狀及發(fā)展趨勢[J]. 陳金東. 遵義醫(yī)學院學報. 2018(06)
[4]乳腺癌相關危險因素及其研究現(xiàn)狀[J]. 王晗影,魏亞寧. 科學大眾(科學教育). 2018(07)
[5]人工智能在醫(yī)療及神經(jīng)病學領域的應用[J]. 黃歡,趙鋼. 華西醫(yī)學. 2018(06)
[6]磁共振成像在乳腺癌診斷中的應用進展[J]. 趙娜,陽青松,陸建平. 第二軍醫(yī)大學學報. 2018(02)
[7]乳腺癌術前磁共振成像動態(tài)對比增強模式在保乳治療中的應用[J]. 熱米拉·先木西丁,劉艷. 中國臨床醫(yī)生雜志. 2018(02)
[8]深度學習技術在醫(yī)學影像領域的應用[J]. 夏黎明,沈堅,張榮國,王少康,陳寬. 協(xié)和醫(yī)學雜志. 2018(01)
[9]人工智能在腫瘤病理診斷和評估中的應用與思考[J]. 于觀貞,魏培蓮,陳穎,朱明華. 第二軍醫(yī)大學學報. 2017(11)
[10]人工智能及在醫(yī)療領域的應用[J]. 劉文亮,黃曄春,畢士鑫. 數(shù)碼世界. 2017(10)
碩士論文
[1]人工神經(jīng)網(wǎng)絡在中醫(yī)臨床辨證模型研究中的應用[D]. 辛基梁.福建中醫(yī)藥大學 2017
本文編號：3619405
本文鏈接：http://www.sikaile.net/kejilunwen/rengongzhinen/3619405.html
教材專著
