项目名称: 基于CT影像的肺结节计算机辅助诊断方法及关键技术研究

项目编号: No.81201151

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: 林红利

作者单位: 湖南大学

项目金额: 23万元

中文摘要: 肺结节是早期肺癌最重要的临床表现之一,只有充分认识结节的特征,正确评价结节的性质才能使恶性结节的患者得到及时的手术治疗,又能使良性结节的病人避免不必要的手术。 计算机辅助诊断技术充分利用计算机在解决重复劳动和定量分析方面的优势,能有效降低医生的阅片负担,提高疾病的诊断准确率、降低漏诊和误诊。开展肺结节良恶性计算机辅助诊断研究有着重要的临床意义。本项目面向肺癌早期诊断,以肺结节良恶性计算机辅助诊断中的关键技术为研究对象,以提高结节良恶性诊断准确率和诊断效率为研究目标,对肺结节分割方法、肺结节医学征象提取与量化方法以及肺结节分类等关键技术进行研究。重点研究具有临床诊断意义的肺结节医学征象的提取及量化方法,探索结节医学征象和其他特征之间的相互关系以及结节特征和结节良、恶性之间的相关性。设计一套肺结节良恶性计算机辅助诊断系统以提高肺癌早期诊断的准确率和效率。

中文关键词: 计算机辅助诊断;肺结节;特征提取;肺结节分割;肺结节分类

英文摘要: Pulmonary nodule is one of the most important clinic manifestation in the early stage of lung cancer. Identify the characteristics of the pulmonary nodule as well as accurately evaluate its properties can not only help the patients with malignant nodule to do the operation timely, but also avoid the surgery for patients with benign nodule. The computer-aided diagnosis, which take full advantage of the computers in solving repetitive work and quantitive analysis, can effectively lessen the load for the doctors, increase the accuracy for disease diagnosis and reduce the frequency of missed diagnosis and misdiagnosis. It is significant to develop the research on computer-aided diagnosis to estimate the characteristics for the nodules in clinical diagnosis.The object in this study is the key technology of computer aided diagnosis for distinction between benign and malignant pulmonary nodules in CT scans. Our purpose in this study is to improve the diagnostic accuracy and efficiency of distinction between benign and malignant nodules in CT scans. The pulmonary nodule segmentation, tha Characteristic and classifier of nodules are researche content in the study. Quantitative cilinic characterization of pulmonary nodules and the relation betwwen them and other features extracting from image level will be pay more attent

英文关键词: CAD;Pulmonary nodules;Feature extraction;Pulmonary nodule segmentation;pulmonary nodule classify

成为VIP会员查看完整内容
0

相关内容

专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
27+阅读 · 2021年1月29日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
【文献综述】深度学习目标检测方法及其主流框架综述
专知会员服务
118+阅读 · 2020年6月26日
专知会员服务
160+阅读 · 2020年4月21日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16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
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23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
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20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
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
1+阅读 · 2012年12月31日
国家自然科学基金
1+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
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
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
25+阅读 · 2021年3月20日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
27+阅读 · 2021年1月29日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
【文献综述】深度学习目标检测方法及其主流框架综述
专知会员服务
118+阅读 · 2020年6月26日
专知会员服务
160+阅读 · 2020年4月21日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16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
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23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
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20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
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
1+阅读 · 2012年12月31日
国家自然科学基金
1+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
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
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员