医学影像辅助诊断算法研究及应用-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

医学影像辅助诊断算法研究及应用认领

被引量： 11

作者：

李伟峰

学位授予单位：

南京大学

摘要：

随着电子科学技术的发展,人们掌握了越来越多的物理量测量手段,具体在医学领域,各种模态的医学影像成像设备相继被发明。医学影像在临床中有巨大的诊断价值,现如今设备成像速度越来越快、影像分辨率越来越高、隐含的物理性质越来越丰富,因此影像学检查在临床上使用也越来越广泛。与此相悖,影像科医生培养周期长,科室规模增长缓慢,这使得医生工作时间长、负荷大,不可避免的出现漏诊和错诊的情况。计算机辅助诊断系统一直是计算机科学与医学科学交叉学科研究的热点,实践证明,在特定情况下它可以为医生提供有效的决策支持,提高诊断准确性。在此前提下,随着人工智能应用的爆发性发展,使用深度学习技术为医学影像赋能理所当然的成为新的尝试方向。本研究立足临床实际需求,紧紧围绕着基于医学影像的计算机辅助诊断算法研究和应用,主要进行了以下创新性工作:1)基于计算机辅助诊断流程,自主开发了多模态医学影像辅助诊断算法实验平台,平台中创新的实现了多种数据预处理和处理方法,随后在该平台中集成基于医学统计分析方法和基于深度学习算法的两类辅助诊断算法;2)本研究使用统计学分析方法探索了一阶及二阶全容积表观扩散参数(ADC)在直肠癌病理表征分类中的价值,结果显示全容积ADC参数可显著区分直肠癌良恶性及病理表征参数(如T分期及神经侵犯),并说明了统计分析方法在临床辅助诊断中的价值;3)本研究结合IBS理论提出医学交叉对比网络,从一定程度上解决了神经网络分类结果不可解释性的问题以及医学小样本数据训练的问题,并将上述神经网络应用于肝部疾病的辅助诊断研究中,其准确率比先前同类研究至少高出10%。研究详情如下:1、自主开发多模态医学影像辅助诊断实验平台。该平台采用经典的OSGi架构进行开发,稳定且易扩展,深刻整合计算机辅助诊断流程,对其中各个处理环节均提供支持,尤其是在与临床医生的沟通反馈下,创新的实现了不同模态医学影像感兴趣区域(ROI)同步勾画的功能,使ROI勾画更加一致准确。平台整理实现了 300多个全容积一阶统计特征、形态学特征和二阶纹理特征参数,在算法层面,集成医学统计分析算法和深度学习算法两类辅助诊断算法。其中统计分析方法理论完善,数学表述清晰,可解释性强,为临床医生广泛接受;深度学习算法依靠数据驱动,无需人为设计提取特征即可自动从数据本身学习知识,是计算机辅助诊断研究中非常有潜力的方向。两类算法相互补充,以实现在不同场景下的准确应用。2、在使用统计分析方法区分直肠癌病理表征参数的研究中,通过该平台从50名直肠癌患者体数据中提取ADC参数(包括均值,百分位数(10,25,50,75,90),偏度,峰度,一阶熵和二阶熵),并使用统计学方法(包括Wilcoxon和Mann-Whitney测试)比较这些参数在良恶性组织、T分期、周围神经浸润(PNI)、淋巴管血管侵犯(LVI)和N分期中的差异。受试者操作曲线(ROC)分析用于评估参数诊断效能并确定最佳参数阈值。结果表明:所有参数均可显著区分良恶性直肠癌组织,其中一阶熵和二阶熵受试者操作曲线下面积(AUC)值最大,分别为0.98和0.97;T1-2分期的直肠癌组织的一阶熵和二阶熵显著低于T3分期,AUC分别为0.78和0.83;PNI直肠癌组织的90百分位数显著低于非PNI,AUC为0.74。该研究表明医学统计分析方法可有效挖掘全容积ADC参数在区分直肠癌病理表征参数分类中的潜力。3、结合并改进IBS理论提出医学交叉对比网络(CCNN)。1)IBS是一种特殊的相似性(或相异性)度量标准,它可以度量两幅特征图(假设每层特征图分别代表一种纹理特征)的相似程度,进而推算两幅原始图片中不同纹理特征的频率分布规律,即两幅原始图片从纹理角度上表现出的相似性。我们假设,相同病理分类的纹理特征相似,不同病理分类的纹理特征不同,则在CCNN中,使用修改后的IBS作为损失函数用以指导网络中权重参数的更新,当训练完成后,网络可以最小化相同分类影像之间的差别,最大化不同分类影像之间的差别,相比于其它神经网络,该方法对分类结果具有很强的物理可解释性;2)CCNN需要同时对两幅图片进行特征提取然后进行IBS度量计算以得到两幅图片的相似度,由于这一特殊的网络结构,在预测阶段必须同时输入一幅(或者多幅)已知分类的影像和一幅待分类影像,这样可以充分利用训练数据中包含的先验知识而无需任何与特定分类(病理)有关的假设,提高适用性的同时减小了对训练数据量的要求;3)VGG-19网络在实践中被证明可以有效的进行特征提取,是许多类似网络的参考,而CCNN的特征提取部分同样借鉴了 VGG-19网络,并在训练时使用了 VGG-19网络的预训练参数,节约训练时间的同时可以尽可能减小过拟合情况的发生概率。4、基于上述医学交叉对比网络设计肝部疾病辅助诊断实验,取得良好结果,证明它具有优秀的分类性能,具体来说,在肝纤维化程度预判实验中准确率超过90%,在原发性肝癌病理分类实验中准确率超过80%,对比以往研究结果,性能提升巨大。此研究表明,深度学习在赋能医学影像进行辅助诊断领域有很大的潜力。

摘要译文

关键词：

医学影像; 计算机辅助诊断; 统计特征; 统计分析; IBS; 深度学习

学位年度：

2018

学位类型：

博士

学科专业：

电子科学与技术

导师：

陈敦军葛云

中图分类号：

R445[影像诊断学];TP391.41[图形图像识别]

学科分类号：

080404[生物医学仪器及技术];083102[医学诊疗技术与器械];100218[临床检验诊断学];081104[模式识别与智能系统];081205[人工智能];081206[计算机应用技术];0835[软件工程]