人工智能与信息社会课件:702医学影像分析.pdf 11页

  • 0
  • 0
  • 0
  • 约1.53千字
  • 2020-08-13 发布

人工智能与信息社会课件:702医学影像分析.pdf

文档工具:
    1. 1、本文档共11页,可阅读全部内容。
    2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
    3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
    4. 文档侵权举报电话:19940600175。
    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)

    • 内容提供方:woxiangang
    • 审核时间:2020-08-13
    • 审核编号:6141143013002231

    相似文档