深度学习人工智能在医疗图像处理中的应用PPT.pptxVIP

深度学习人工智能在医疗图像处理中的应用2023最新整理收集do

something

深度学习深度学习算法受到灵长类视觉系统结构的启发近年来在很多领域取得了突破从2016年起在医疗图像领域也取得一系列突破

深度学习的成功：回过头看：很早就发现的受大脑启发的算法+大数据+大的计算机但真正的历史是曲折的。。。/p/1001603814055260359965

自动特征提取

突破时刻ImageNet2012

皮肤癌诊断斯坦福大学的研究人员开发深度学习算法，识别皮肤癌的准确率与专业的人类医生相当，相关研究论文被选为封面论文在2016年底的Nature发表。研究人员训练系统观看了近13万张痣、皮疹和其他皮肤病变的图像，然后让系统与21位皮肤科医生对比测试，结果系统的精确度与人类医生相当（“至少”91%）。

本人在MIT博士后期间（2007）开始将深度学习应用到生物图像上基于电子显微镜的脑链接组解析V.Jain,J.F.Murray,F.Roth,S.Turaga,V.Zhigulin,K.L.Briggman,M.N.Helmstaedter,W.Denk,andH.S.Seung.SupervisedLearningofImageRestorationwithConvolutionalNetworks.Proceedings:IEEE11thInternationalConferenceonComputerVision(ICCV)(2007).视网膜神经元的分类SumbulU,SongS,McCullochK,BeckerM,LinB,SanesJR,MaslandR,SeungSH*.(2014)Ageneticandcomputationalapproachtostructurallyclassifyneuronaltypes.NatureCommunications,5:3512(co-firstauthor)

ThefundamentalplanoftheretinaPhotoreceptors:Horizontal:Bipolar:Bipolar:Amacrine:Ganglion:Reference:Masland,R.H.(2001).Thefundamentalplanoftheretina.NatNeurosci,4(9):877-886.

为什么困难？错误的断开错误的融合需要先验知识.

用机器学习方法来重构神经元+Train

卷积神经网络端到端训练HandDesignedFiltersversusEndtoEndLearning

分两步走

如何标注图像很重要HowtoGenerateTrainingLabelsmorphology

利用先验知识，让电脑学习最重要的东西最重要的是拓扑连接结构

本实验室2014年提出注意力神经元网络基于生物神经元树突的非线性特征乘法机制运用到图像分割问题上QianWang,JiaxingZhang,SenSong,ZhengZhangAttentionalNeuralNetwork:FeatureSelectionUsingCognitiveFeedbackNIPS2014传统人工神经元模型认为信号整合是线性的，只有动作电位发放是非线性的。

DataScienceBowl2017?$1Mprize?1700+teams?1000+kernels肺癌辅助诊断在今年的数据国际大赛上本实验室和胡晓玲老师、张钹老师实验室学生廖方舟李哲运用相关技术获得了世界第一的成绩

根据CT图像预测一年后发病概率

NoduleDetectorNet(N-Net)3Dcube2432646464128128645*K3Doutput326416864RR323264321612812832643232

CaseClassificationNet(C-Net)Top5proposals+dummynodule12899.97%P1=69.06%32128N-Net97.36%P2=65.22%3212886.48%P3=69.69%3212871.84%P4=2.08%32