第一章深度學(xué)習(xí)對乳腺癌磁共振圖像的分類及定位目的:探討在動(dòng)態(tài)增強(qiáng)磁共振圖像中,三維深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）以弱監(jiān)督的方式對乳腺癌的診斷和定位的價(jià)值。材料和方法:乳腺癌回顧性研究是在機(jī)構(gòu)倫理審查委員會(huì)批準(zhǔn)后進(jìn)行的。該研究共納入1537例乳腺動(dòng)態(tài)增強(qiáng)MRI掃描和非脂肪抑制的平掃圖像（平均年齡47.5歲±11.8）,包括女性1529人,男性8人,其中14個(gè)女性雙側(cè)都有孤立性病灶,共1551個(gè)病灶,包括惡性腫瘤1033個(gè)病灶,良性病變518個(gè)病灶;時(shí)間跨度從2013年3月到2017年12月。所有病例均有穿刺或手術(shù)的病理結(jié)果證實(shí),影像學(xué)結(jié)果由具有10年以上經(jīng)驗(yàn)的放射科醫(yī)生團(tuán)隊(duì)給出具體的BI-RADS分類。先把乳腺M(fèi)RI圖像的數(shù)據(jù)做預(yù)處理,進(jìn)行乳腺分割,用MRI的2D切片應(yīng)用Frangi的方法來獲得乳房-空氣邊界,胸肌邊界以及乳腺和脂肪之間的邊界。再進(jìn)行一系列形態(tài)學(xué)處理,包括濾波切片的閾值處理,連通分量分析和空洞填充,最終獲得每個(gè)2D切片中乳房區(qū)域的二元掩模。然后,我們堆疊所有切片的2D蒙板,并獲得每個(gè)MRI體積數(shù)據(jù)的3D乳房分割掩模。接下來,我們使用3D高斯濾波器來平滑乳房蒙板。使用3D二元掩... 

【文章來源】：軍事科學(xué)院北京市

【文章頁數(shù)】：114 頁

【學(xué)位級別】：博士

【部分圖文】：

弱監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)對乳腺癌定位及分類的框架流程

數(shù)據(jù)集標(biāo)準(zhǔn)化前后的強(qiáng)度直方圖

第 40 頁圖 1. 3、MRI 圖像和對應(yīng)融合的熱力圖注：共顯示了 3 個(gè)病例，每一排顯示的是同一個(gè)病人的病灶典型層面。a 列顯示的是磁共振圖像，b 列顯示的是 GAP 網(wǎng)絡(luò)模型，c 列顯示的是 GMP 網(wǎng)絡(luò)。三例均為惡性腫瘤，且模型正確診斷。

【參考文獻(xiàn)】：
期刊論文
[1]腫瘤醫(yī)生眼中的人工智能[J]. 江澤飛,許鳳銳.  精準(zhǔn)醫(yī)學(xué)雜志. 2018(01)
[2]The 7th lung cancer TNM classification and staging system:Review of the changes and implications[J]. Saeed Mirsadraee,Dilip Oswal,Yalda Alizadeh,Andrea Caulo,Edwin JR van Beek.  World Journal of Radiology. 2012(04)



本文編號：3284393