检索结果-南通市图书馆

检索条件"主题词=智慧医疗信息管理"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于特征融合的深度学习模型研究及其在脑转移瘤图像分割中的应用

基于特征融合的深度学习模型研究及其在脑转移瘤图像分割中的应用

引用

作者：任丽稳山东师范大学

学位级别：硕士

智慧医疗信息管理利用先进的信息技术和数据管理方法来提高医疗服务的效率、质量和可及性。这种管理方式涵盖了医疗信息的收集、存储、分析和应用,旨在实现个性化医疗、精准诊断和有效治疗。通过智慧医疗信息管理,医生可以更好地管理患... 详细信息

智慧医疗信息管理利用先进的信息技术和数据管理方法来提高医疗服务的效率、质量和可及性。这种管理方式涵盖了医疗信息的收集、存储、分析和应用,旨在实现个性化医疗、精准诊断和有效治疗。通过智慧医疗信息管理,医生可以更好地管理患者数据、优化临床决策、改善医疗流程,并促进医疗资源的合理配置和利用。脑转移瘤是一种颅外恶性肿瘤,极大地危害人体健康,甚至于危及生命。从医学图像中准确、自动地分割脑转移瘤,对于脑肿瘤患者的临床诊断和制定治疗方案具有重要意义。然而,对脑转移瘤进行人工标注时间成本大,且标注精度易受到标注医师工作状态的影响。脑转移瘤的大小不一、边界模糊、数量不等问题使得脑转移瘤的自动分割任务极具挑战性。近年来,基于卷积神经网络的深度学习模型在医学图像分割领域表现出先进的性能。全卷积神经网络可以在不同尺度的图像上进行特征提取并生成像素级的分割结果。针对脑转移瘤在图像中的特征分布,本文提出了两种基于改进的全卷积神经网络的自动分割算法,并将两种算法应用于核磁共振图像中进行脑转移瘤分割,主要工作如下:(1)针对脑转移瘤自身特征分布的特殊性,本文提出了一种新的端到端的基于多级特征融合注意力机制的深度学习模型,用于实现脑转移瘤图像的自动分割。具体来说,该模型是基于对称的编解码结构U-Net网络上进行的,将U-Net网络作为实现多发脑转移瘤分割的主干网络架构。通过扫描全局图像,获取需要重点关注的目标区域,而后对这一区域投入更多的注意力资源,为了提取更多与脑转移瘤有关的细节信息及边界特征,而减少对其他无关信息的学习,本文采用了一种多级特征融合注意力机制,通过这种机制可以利用有限的注意力资源从大量信息中快速筛选出高价值的脑转移瘤信息。为了让网络能够较好地捕捉和处理更深层的目标特征,进而提高网络的表示能力,本文引入了一个深度残差学习机制,借助于残差连接模块增加对脑转移瘤特征的提取,促进有效目标特征的学习。本文基于山东第一医科大学附属肿瘤医院收集的多发性脑转移瘤的数据集,即SCH-B数据集上进行评估模型的有效性;同时,为了验证模型的鲁棒性,本文还在两个海马体分割的数据集上进行了评估模型的可实施性,其中一个来自公共数据集,即ADNI数据集,另一个SCH-H数据集也是从山东第一医科大学附属肿瘤医院收集的T1 BRAVO对比图像进行实验。实验结果表明,本文的模型优于四种先进的脑转移瘤分割方法和四种用于海马体分割的模型,并且本文还进行了消融研究,以验证所提出模块的有效性。(2)由于在处理较小的脑转移瘤,以及分割与周围水肿区域难以区分的病变位置时,可能会遗漏掉一些极小目标的特征信息,导致漏诊率。基于此,本文提出了另一种端到端的多视角特征交互网络模型,该模型配备了三个模块来应对脑转移瘤分割的挑战。具体而言,从输入的角度来看,本文引入了一种多输入重构策略来增强脑转移瘤的边缘信息,同时利用基于输入的三维离散小波变换来抑制不相关的背景噪声,即T1 BRAVO对比图像、非对比核磁共振图像以及两种图像之间的差图像。为了在训练期间捕获相似的脑转移瘤特征,本文设计了一个相邻迭代视图交互模块,通过信息库约束后续迭代之间的特征相似性。最后,为了更有效地捕获全局-局部之间的相互依赖关系,本文提出了一个基于卷积神经网络模型的浅层特征Transformer,即集成交互模块。根据从山东第一医科大学附属肿瘤医院收集到的包含8166个脑转移瘤的1020例患者的数据,评估了网络模型的有效性。实验结果表明,本文的网络模型优于七种先进的方法;并且本文还进行了消融性研究,以验证所提出的三个模块的有效性;最后,在Li TS数据集上进行了分割肝脏和肿瘤的鲁棒性实验,表明本文的研究方法具有泛化能力。

关键词：卷积神经网络多发性脑转移瘤分割深度学习智慧医疗信息管理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：