哈尔滨科技大市场

首页 > 技术交易 > 科技成果

成果搜索

基于深度学习和医学影像的癌症辅助诊断技术研究

发布时间： 2023-12-08 浏览量：23

交易方式：面议
联系电话：0451-84892038
单位名称或姓名：刘晓峰
产业领域：生物经济
成果类型：

项目基本情况Basic information of the project

为了给医生提供有效的辅助诊断信息，需要综合考虑各种因素，以传统学习和深度学习医学图像处理为基础的计算机辅助诊断技术作为一种智能的医学图像处理方法，逐渐成为医学领域的研究热点。基于传统学习的计算机辅助诊断技术主要包括四方面的内容：①CT影像预处理；②肺实质分割及感兴趣区（region of interest，ROI）提取；③肺结节特征提取；④分类、检索以及预测等。基于深度学习的计算机辅助诊断技术主要包括卷积神经网络，深度信念网络，深度迁移学习等。以传统学习和深度学习医学图像处理为基础的计算机辅助诊断技术具有较强的自组织行，较好的自适应性以及较高的学习能力和容错能力，能够从肺癌患者的CT影像中获取大量的有效信息进行一个综合的评价，为放射科医生肺癌诊断开辟了一条新的技术诊断路径，提高了治疗的水平和诊断能力。这不仅为肺癌患者提供良好的、快速的诊断方法，还减轻了医疗成本和经济成本，为其他医学领域的研究提供了参考价值。针对医学影像中肺实质难分割，本项目采用随机游走算法进行分割。以肺结节的单个切片作为研究对象，损失了肺结节在空间分布上的部分特征信息，使肺结节图像识别的准确度偏低。针对肺结节特征提取不全面的问题，本项目提出了基于体局部方向三值模式的肺结节图像纹理特征提取方法。在肺结节图像辅助诊断过程中，单一分类器不能对非平衡数据以及肺结节特征向量进行高效、准确分类，因此本项目提出了基于Stacking评估模型的肺结节图像识别方法。为实现卷积神经网络训练复杂度高以及医学影像数据不充分原因，提出了基于迁移学习的深度学习辅助诊断模型。

管理团队与技术团队Management team and technical team

哈尔滨商业大学

效益分析Benefit analysis

该项目为储备库项目资源，暂无效益分析内容。

成果推荐Result recommendation

新闻中心

技术交易

科技人才

科技服务

政策

活动中心

关于我们