项目名称: CT能谱信息及其特征选择与模式识别在胰腺肿瘤诊断及预后评估中的方法与应用研究

项目编号: No.81201145

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 影像医学与生物医学工程

项目作者: 林晓珠

作者单位: 上海交通大学

项目金额: 23万元

中文摘要: 如何早期发现肿瘤、术前做出准确而全面的诊断从而使胰腺肿瘤能够早期治疗、合理治疗是临床工作与研究的关键问题。增殖细胞核抗原Ki-67是胰腺肿瘤发生、发展过程中的一个重要因子。能谱成像是CT领域的最新技术革新,最近的研究表明CT能谱成像有望提高病灶检测和诊断的敏感度和准确度,但其所获得的高维数据信息给常规诊断模式和思路提出了前所未有的挑战。机器学习与模式识别技术是处理和分析高维数据信息的有效方法,广泛应用于医学信息学领域。本研究试图对CT能谱信息进行特征选择、并通过模式识别和机器学习构建针对胰腺肿瘤的鉴别诊断模型;通过特征选择明确与Ki-67相关的CT能谱特征。研究内容主要包括胰腺癌和胰岛素瘤的早期检测、胰腺肿瘤的鉴别诊断及胰腺癌的术前分期,以期达到提高胰腺肿瘤诊断的敏感度和准确度,实现早期诊断、准确诊断的目的,为早期、合理治疗及预后评估提供全面可靠的信息;也为今后其它病变的研究提供方法学基础

中文关键词: CT 能谱成像;特征选择;支持向量机;诊断;胰腺肿瘤

英文摘要: Pancreatic neoplasms consist of a number of heterogeneous tumors with different biological behaviors. Different kinds of tumor have various clinical characteristics and prognosis; even tumors with the same phenotype may have different invasiveness, and should be treated respectively. Ki-67 protein plays an important role in the development of pancreatic neoplasms. Early detection and accurate staging is the key of the clinical and research work for pancreatic neoplasms, which provides guidance to prompt and appropriate therapy. Although MDCT is the preferred imaging modality for the diagnosis of pancreatic neoplasms and is widely used in the clinical setting, there are certain limits considering early detection, differentiation, and accurate staging. Spectral imaging is the recent innovation of CT technique; it is a promising development, which bears the potential to improve lesion detection and characterization in comparison to the conventional CT techniques. But the amount of data derived from CT spectral imaging can be overwhelming even for expert readers. In recent years, pattern recognition and machine learning methods have been proved useful for diagnostic decision-making problems in high dimensional feature space. This study attempts to build a differentiation diagnosis model based on CT spectral imagin

英文关键词: CT spectral imaging;feature selection;support vector machine;diagnosis;pancreatic neoplasms

成为VIP会员查看完整内容
0

相关内容

特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ),或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化,是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。
【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
无参考图像质量评价研究进展
专知会员服务
29+阅读 · 2021年2月14日
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
专知会员服务
220+阅读 · 2020年8月1日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
自动化所人工智能辅助诊断方法进入肿瘤诊疗指南
中国科学院自动化研究所
1+阅读 · 2021年9月3日
机器学习医学进展有助改善肠道疾病检测
TensorFlow
0+阅读 · 2021年8月31日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
领域应用 | 中医临床知识图谱的构建与应用
开放知识图谱
33+阅读 · 2017年12月12日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
无参考图像质量评价研究进展
专知会员服务
29+阅读 · 2021年2月14日
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
专知会员服务
220+阅读 · 2020年8月1日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
相关资讯
自动化所人工智能辅助诊断方法进入肿瘤诊疗指南
中国科学院自动化研究所
1+阅读 · 2021年9月3日
机器学习医学进展有助改善肠道疾病检测
TensorFlow
0+阅读 · 2021年8月31日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
领域应用 | 中医临床知识图谱的构建与应用
开放知识图谱
33+阅读 · 2017年12月12日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员