05医疗影像处理V1.1_第1页
05医疗影像处理V1.1_第2页
05医疗影像处理V1.1_第3页
05医疗影像处理V1.1_第4页
05医疗影像处理V1.1_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

人工智能超声甲状腺诊断系统甲状腺结节十分常见。高清晰超声检查发现甲状腺结节的患病率达20-76%，其中5%-15%的甲状腺结节为恶性，即甲状腺癌。2017中国城市癌症最新数据报告特别指出了甲状腺癌排名第五，发病率快速上升，成为大城市女性中风险最高的癌症之一。为降低甲状腺癌的误诊率，提高诊疗率，该诊断系统引入了深度学习方法。并针对甲状腺超声影像数据的特点，不仅将现代数学理论如“旋转不变性”加入系统，而且还专门对网络结构进行了改进和优化。通过大样本对计算机进行训练，可快速准确地探测结节，并给出良恶性预判断。该系统经与浙江大学第一附属医院的联合测试，结节探测准确率>95%，良恶性预判断准确率>85%，大大高于三甲医院超声医生的平均水平。研究结果发表后，受到Alphago团队和业界的广泛关注。

AI超声甲状腺诊断系统——简介

在超声诊断环节，超声医生或传统机器学习方法通过人为定义结节的几个特征,如结节大小、钙化、边缘、形态等，自定义特征组合来预判断结节的良恶性。然而，由于结节特征的复杂性和多样性，医生或传统机器学习方法不能选择最合适的关键特征和组合特征，甚至会忽略某些细微的特征。深度学习通过自动提取影像中的大量特征，形成更加抽象的高层特征组合来探测结节并判断其良恶性。深度学习具有层次结构的特征，如浅层次特征：边缘、钙化、形状等，深层次特征如复杂纹理特征。当学习样本足够多时，其更趋向选择大量决定结节良恶性的关键特征组合，从而极大地提高结节探测率和良恶性判断的准确率。AI超声甲状腺诊断系统——工作原理

临床现状机器人优势医生培育周期长﹑缺口大机器人通过对大量病例的学习，能够传承众多影像科专家医生的经验，辅助基层医生进行诊断，使得基层医生无需长时间培训即可上岗医生诊断速度慢机器人搭载的超级计算机具有高性能的计算能力，处理速度远远快于医生的速度基层医生缺乏经验﹑准确性偏低机器人通过对大量病例的学习，准确率高高强度工作使得医生疲劳，容易造成误诊或漏诊，同时没有时间集中精力进行研究工作机器人进行客观的图像分析，没有疲劳等因素影响诊断结果；机器人提供简单易操作的系统使得医生从繁重的重复性、机械化工作中摆脱出来，有更多时间进行科学研究,提升诊断水平超声影像的非标准因素使得远程诊断难以实现机器人提供云服务等方式，可快速推广至基层医院、偏远地区医院AI超声甲状

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论