人工智能与信息社会课件:702医学影像分析.pdfVIP

人工智能与信息社会课件:702医学影像分析.pdf

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人工智能与信息社会 人工智能应用:医学影像分析 陈斌北京大学gischen@pku.edu.cn 医学影像基础 〉 硬件发展的突飞猛进,包括MR、CT等硬件 的发展,这些成像技术让我们得到了很好的 影像; 〉 复杂数学工具的利用,通过这些方式可以对 医学影像进行重建、分析与处理,从而得到 清晰可见的医学图像 北京大学地球与空间科学学院/ 陈斌/2018 人工智能+医学影像 〉 在医学影像的基础上,通过深度学习与大数 据技术等,完成对影像的分类、目标检测、 图像分割和检索工作。 〉 是协助医生完成诊断、治疗工作的一种辅助 工具。 北京大学地球与空间科学学院/ 陈斌/2018 作用及优点 〉 医学影像的解读需要长时间专业经验的积累, 放射科医生的培养周期相对较长。 〉 人工智能在对图像的检测效率和精度两个方 面,都做得比专业医生更快,减少人为操作 的误判率,提升医生看病效率和准确率。 北京大学地球与空间科学学院/ 陈斌/2018 深度学习方法 〉 医学图像包含来自不同组织、不同形态的人 体器官,深度学习包含多层感知器,可以通 过组合低层特征形成更加抽象的高层特征, 提取出图像背后的人体结构特征。 北京大学地球与空间科学学院/ 陈斌/2018 应用:计算机辅助诊断 〉 病灶检测,对可疑病灶进行识别和勾画。 〉 病灶量化诊断,帮助医生鉴别疾病良恶性、 分型分期等。 〉 治疗决策,通过相关性分析,支持临床医生 进行科学合理的治疗决策。 北京大学地球与空间科学学院/ 陈斌/2018 应用:图像分割 〉 主要是对身体组织做明确分割,精度比医生 手动分割更高,从而更加精准地定量评价治 疗前后的效果。 〉 2015年的一篇文章提到利用卷积神经网络 CNN ,自动将大脑灰质、白质、脑脊髓翼 自动分割,从而分析大脑的病变。 北京大学地球与空间科学学院/ 陈斌/2018 应用:图像配准 〉 在对不同模式医学图像或多参数医学图像进 行图像融合前,必须对图像进行精确配准。 〉 一般采用非监督学习方法提取图像特征,接 着采用卷积神经网络回归的方法来进行2D 或3D图像配准。 北京大学地球与空间科学学院/ 陈斌/2018 应用:图像融合 〉 图像有结构性与功能性之分。 〉 结构性:可以得到组织的结构性特征,但无 法看到生物有机代谢的情况。 〉 功能性图像,它可以提示代谢的衰变与下降, 或功能性的疾病,但图像空间解析度差。 〉 需要影像融合,将不同类型的图像结合在一 起,这样可以了解到组织与器官的病变。 北京大学地球与空间科学学院/ 陈斌/2018 应用:图像重建 〉 医学中常见的核磁机器是1T (特斯拉,即磁 场感应强度)和1.5T ,而7T 的设备昂贵, 需要很多的费用,但7T图像的性噪比强 〉 通过深度学习将3T变7T图像。 北京大学地球与空间科学学院/ 陈斌/2018 人工智能+医学影像 〉 基于影像的医学诊断是目前人工智能关注较 多的领域, “AI+ 医学影像”被多位业内人 士认为最有可能率先实现商业化。 北京大学地球与空间科学学院/ 陈斌/2018

文档评论(0)

学习让人进步 + 关注
实名认证
文档贡献者

活到老,学到老!知识无价!

1亿VIP精品文档

相关文档