医学领域图像相关自述
一.研究方向、规划:医学图像算法
医学图像主要分为以下几类:
- X射线成像(用X射线穿透密度、厚度不同的人体组织形成黑白影像)
- X射线断层扫描CT(X射线旋转扫描人体,再用电脑的三维重建技术构造断层影像,同样基于人体组织)
- 核磁共振成像MRI(用核磁共振原理,依据释放的能量在人体不同组织结构中不同衰减,外加梯度磁场发射的电磁波,绘制物体内部结构影像)
- 显微镜下的图像
二. 医学图像读取方法
最常见的医学图像有CT和MRI,这都是三维数据,相比于二维数据要难一些。而且保存下来的数据也有很多格式,常见的有.dicom .nii(.gz) 。这些数据都可以用Python的SimpleITK来处理,pydicom可以对.dcm文件进行读取和修改。
读取操作的目的是从每一个病人数据中抽取tensor数据
三.医学领域常见指标
- 交并比:预测框的面积与真实框面积的交集与并集的比值
- 4种评价结果:真阳性(True Positive), 假阳性,真阴性,假阴性
- 几种常见评价指标:
准确率(accuracy):TP+TN / (TP+TN+FP+FN)
召回率(recall) :TP/ (TP+FN)
受试者工作特征曲线(ROC,评价模型效果):纵坐标为TPR(Rate)(检测出的阳性数/所有的阳性数),横坐标为FPR(实际为阴性但检测结果为阳性/所有的阴性数),所以当曲线直接上走,那么面积越大,模型越好
- 两种便于更清晰可视化的操作:
- 医学图像分割(基于像素)
- 医学图像融合(在规定的共同的空间坐标系生成新的图像,如PET图像(将某种短寿命的物质注入人体,在衰变过程中释放的正电子的追踪捕捉)与CT图像的融合)
四.图像算法在医学领域的应用,对医学有什么帮助及其他想法
1. 疾病诊断
2. 疾病预防(通过对大数据的训练,从影像中提取发生病变的特征并融合整张图像的信息预测未来患病的可能)
3. 医疗机器人(手术机器人,康复机器人)
4. 在药物研发(如蛋白质结构变化预测,化合物生成等领域)
5. 应用挑战:1.对3D影像特征提取的参数量过大,导致显存,时间的开销可能无法接受。 2.深度学习需要比较多的样本数据作为支撑,但是医学领域的影像在个人隐私方面的许可可能会有阻碍。 3.传统观念上的问题,有些病人对于AI进行诊断并不放心,所以对其应用会有所阻碍。
由于第三次人工智能带来的热潮,深度学习再图像检测领域取得了空前的进展,尤其在2D图像上。现如今针对不同检测任务的算法结构层出不穷,但主要以大模型方向为目标,而在医学领域,X射线断层扫描CT的3D图像在空间维度多了1个自由度,这将会对患者图像的特征提取提供非常大的帮助,将来我的计划不仅要在2D图像上精益求精,同样也会在3D图像领域将基础打磨牢固,再与老师同学的带领合作下有所创新(尤其在如何基本不压缩3D图像精度的前提下适配现有的算力条件及时间开销),通过人工智能更加精准快速的帮助患者诊断相关疾病。
以下是我对2D图像与3D图像的不同见解:
2D图像:仅有2个维度,即x,y
3D图像:有3个维度,x,y,z多通道的卷积与3D卷积的区别:
3D卷积的优劣势:
优势:对于三维重建后的3D图像,针对某些医学领域的病情对比2D图像将会大幅提高诊断的正确率,所以在此3D图像进行卷积等特征提取操作将会获得很好的效果。
劣势:对一个二维的图像进行特征提取所消耗的内存已经需要存储的参数量相对三维空间要小很多,但是想要提取三维图像为了满足显存及时间的要求,又必须降低三维图像的尺寸,像素精度的降低又会大幅减小识别的准确性,所以,通过那些措施在基本不降低3D图像像素精度的前提下又能满足硬件显存及时间的要求将是个必要的研究方向。
医学领域图像相关自述相关推荐
- 浅析计算机在医学方面的应用,医学计算机论文,关于医学领域中计算机技术的应用相关参考文献资料-免费论文范文...
导读:该文是关于医学计算机论文范文,为你的论文写作提供相关论文资料参考. (昆山市第六人民医院 江苏昆山 215321) 摘 要:信息产业作为作为一个新兴的产业,它呈现出了自己独特的生机和活力.随着计 ...
- 混合现实在医学领域的应用学习日志
混合现实在医学领域的应用学习日志 理论知识 混合现实 追踪系统 硬件 场景 可扩展性 应用 教育 培训 手术 远程手术 da Vinci Research Kit (dVRK) 理论知识 混合现实 保 ...
- 医学领域深度学习模型训练的挑战
2020-05-18 21:29:24 在医学数据集的训练算法期间面临的许多问题中,这三个最常见: 类别不均衡 多任务 数据集大小 对于这些问题,我将分享一些解决问题的技术. 类别不均衡挑战 在现实世 ...
- 计算机技术在医学领域的作用,计算机技术在医学领域中的应用
<计算机技术在医学领域中的应用>由会员分享,可在线阅读,更多相关<计算机技术在医学领域中的应用(4页珍藏版)>请在人人文库网上搜索. 1.计算机技术在医学领域中的应用 随着科技 ...
- 如何加快疫苗生产?答案在技术领域而非医学领域
全文共2270字,预计学习时长8分钟 图源:unsplash 各国政府为了抗击新冠疫情采取了各种措施,而全球疫情形势依然严峻,人们对于有效疫苗的盼望前所未有的迫切. 美国开展了一项基于RNA结合蛋 ...
- 计算机在医学应用图片,数字图像处理技术在医学领域的应用
郭宽 文章编号:2095-6835(2016)13-0106-01 摘 要:医学影像技术涉及到了诸多领域的新兴技术,是多种前沿科技融合而成的产物,也是进行医学研究以及临床阶段的医学实验所必需的一种手段 ...
- 训练医学模型的相关挑战汇总
在医学数据集的训练算法期间面临的许多问题中,以下三个是最常见: 类别不均衡 多任务 数据集大小 对于这些问题,本文将分享一些解决的方法. 类别不均衡挑战 在现实世界中,我们看到的健康人远远比患病的人要 ...
- [人体图像相关技术] -(一)概述
我公司的科室开始在公众号上规划一些对外的技术文章了,包括实战项目.模型优化.端侧部署和一些深度学习任务基础知识,而我负责人体图象相关技术这一系列文章. 文章在同步发布至公众号和博客,顺带做一波宣传.有 ...
- 医学领域中的计算机,医学领域中计算机技术的应用解析
信技息术 S I ECN C&TE CE NH 0 L 0 GY 圆墨 学医领域中计算机技术应的用 析解 明高芬 (昆 市山第人民六院医江苏昆 山2 153 2 1 )摘要:信息产业作为为一作 ...
最新文章
- BZOJ2301:[HAOI2011]Problem b(莫比乌斯反演,容斥)
- java语言文本挖掘 分词_文本挖掘分词mapreduce化
- 《穿越计算机的迷雾》读书笔记三
- 20100422.C#.const VS readonly
- bootstrap学习(三)表单
- 怎么画正五边形步骤_悄悄告诉你们:一种没有美术基础,也能画好画的方法
- maven 加入json-lib.jar 报错 Missing artifact net.sf.json-lib:json-lib:jar:2.4:compile
- python装饰器用法_深入浅出分析Python装饰器用法
- 博客搬家到 http://fresky.github.io/ - Visual Studio的插件Pdbproj可以把pdb转换成C++项目...
- python画图遇到复数值数据时应该用numpy.abs()函数还是numpy.real()函数
- MATLAB solve函数计算得到lambertw函数,用vpa转换即可
- python银行家算法_Linux 死锁概念与银行家算法python 实现
- 用QXmlStreamWriter写入xml
- SQL vs NoSQL:异同比较
- 我是色色 -- 个人站开通 (*^__^*) 嘻嘻……
- 手机蓝牙连接51单片机自动开门
- Matlab如何平移图形(Figure)中的曲线
- MySQL数据库—SQL汇总
- mac打开注册机显示“您没有权限来打开应用程序
- 机动目标跟踪—当前统计模型(CS模型)扩展卡尔曼滤波/无迹卡尔曼滤波 matlab实现