基于医学影像和基因数据的肺癌辅助诊断方法研究
全新正版 极速发货
￥ 20.93 5.0折 ￥ 42 全新
库存8件
作者董云云|
出版社科技文献
ISBN9787523514276
出版时间2024-05
装帧其他
开本其他
定价42元
货号1203298312
上书时间2024-07-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
董云云，1988年生，2020年毕业于太原理工大学，获得工学博士学位，现为太原理工大学软件学院讲师，硕士生导师。长期致力于肺癌的智能辅助诊断研究，主持国家基金1项、省部级项1项、校级项目1项，参与多项国家级和省部级项目。在国内外期刊发表SCI文章10余篇，其中以第一作者发表5篇，发表国内国际重要学术会议和期刊论文10余篇。ScientificReports、BMCMedicalInformaticsandDecisionMaking、BMCPulmonaryMedicine等多个国际期刊审稿人。申请专利3项，参编计算机专业相关教材4部。
目录
\"第1章绪论
1.1研究背景和意义
1.2国内外研究现状
1.2.1肺结节分割
1.2.2肺癌亚型分类
1.2.3肺癌分期
1.2.4肺癌影像预测基因突变
1.3本书主要研究内容
1.4本书的组织结构
第2章基于超体素3D区域增长的疑难型肺结节分割方法
2.1引言
2.2相关工作
2.3数据预处理
2.3.1前景区域的分离及种子点的自动定位
2.3.23D掩模的构建
2.43D超体素的构建
2.4.1超体素的构建原理
2.4.2超体素的构建过程
2.5模糊连通图的构建
2.5.1模糊邻接关系及模糊邻接度
2.5.2模糊连通性及模糊连通图的构建
2.6基于超体素的3D区域增长
2.7实验与结果
2.7.1实验数据集及环境
2.7.2不同方法的定性评估
2.7.3不同方法之间的3D分割的单切片结果比较
2.7.4不同区域增长方法之间的定量比较
2.7.5与相关研究的比较
2.8讨论
2.8.1传统3D区域增长方法的阈值设置
2.8.2参数γ1和γ2的设置
2.8.3所提方法的局限性
2.9本章小结
第3章基于DNA甲基化的MLW-gcForest肺癌亚型分类模型
3.1引言
3.2相关工作
3.3gcForest模型
3.4MLW-gcForest模型
3.4.1权重α的计算
3.4.2排序优选算法
3.5实验与结果
3.5.1数据集及实验设置
3.5.2与传统方法的结果对比
3.5.3模型处理小样本数据的能力
3.5.4模型缓解过拟合的风险
3.5.5与相关研究的性能对比
3.6讨论
3.6.1主要参数设置
3.6.2不同组学数据分类性能比较
3.7本章小结
第4章基于多组学基因数据的IMLW-gcForest肺癌分期模型
4.1引言
4.2相关工作
4.3IMLW-gcForest模型及多组学决策融合
4.3.1多组学基因数据预处理
4.3.2IMLW-gcForest
4.3.3多组学模型决策级融合
4.4实验与结果
4.4.1数据集和实验设置
4.4.2基于基因表达、DNA甲基化、拷贝数变异的肺腺癌分期模型
4.4.3基于多组学基因数据的肺腺癌分期模型
4.4.4多组学基因数据模型和单种基因数据模型的比较
4.4.5模型在小样本数据集上的有效性
4.4.6模型防止过拟合的能力
4.5讨论
4.5.1不同加权策略下模型的性能对比
4.5.2随机森林中决策树的数量设置
4.5.3与其他分期研究的对比
4.6本章小结
第5章CT影像预测肺癌EGFR/KRAS基因突变的MMDL模型
5.1引言
5.2相关工作
5.3MMDL模型总体框架
5.4ROI的提取
5.5Inception-attention-resnet模型的构建
5.5.1Inception-resnet-V2模型
5.5.2注意力模块
5.5.3Inception-attention-resnet模型
5.6模型的迁移学习
5.7多通道决策融合
5.8实验与结果
5.8.1数据集
5.8.2与传统方法的比较
5.8.3与其他深度模型的比较
5.8.4模型的可视化
5.8.5多视图结果的对比
5.8.6与相关研究的对比
5.9讨论
5.9.1迁移学习对分类结果的影响
5.9.2病历信息对分类结果的影响
5.9.3注意力机制对分类结果的影响
5.10本章小结
第6章总结与展望
6.1总结
6.2展望
缩略语
参考文献\"
内容摘要
本书作者通过多年的理论研究及项目实践，聚焦于肺癌的智能诊断方法研究，突出了多角度分析肺癌的重要性。提出了针对早期肺癌的多种创新方法，包括基于影像数据的辅助诊断、基于机器学习算法的自动分型和分期，以及利用CT影像预测基因突变的潜力。这些方法有望在肺癌的早期诊断和治疗中发挥重要作用，为患者提供更准确、个性化的医疗服务。通过理论与实践的统一，有望在为肺癌智能诊断领域的研究者和从业者提供全面的解决方案，推动肺癌患者生存率的提高。主要内容包括基于超体素3D区域增长肺结节分割方法，基于DNA甲基化进行细粒度的肺腺癌亚型分类模型，基于多组学基因数据的改进的多级加权深度森林模型，多通道多任务的深度学习模型等。
相关推荐
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新广州
￥ 23.23
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新广州
￥ 18.93
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新广州
￥ 25.87
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新广州
￥ 18.93
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新广州
￥ 20.93
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新北京
￥ 27.77
-
基于医学影像和基因数据的肺癌辅诊断方法研究
全新武汉
￥ 26.60
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新武汉
￥ 25.41
-
基于医学影像和基因数据的肺癌辅诊断方法研究
全新北京
￥ 26.26
-
基于医学影像和基因数据的肺癌辅助诊断方法研究
全新武汉
￥ 23.10
— 没有更多了 —
以下为对购买帮助不大的评价