网站首页            期刊简介             编委会             投稿指南             期刊订阅             下载中心             在线留言            联系我们             English
  2025年4月5日 星期六  
文章快速检索
中国生物医学工程学报  2019, Vol. 38 Issue (4): 503-507    DOI: 10.3969/j.issn.0258-8021.2019.04.16
  简讯 本期目录 | 过刊浏览 | 高级检索 |
基于深度学习的前列腺癌判别算法研究
章浩伟*, 任筱倩, 刘颖, 娄云重
(上海理工大学医疗器械与食品学院,上海 200093)
Prostate Cancer Recognition Algorithm Based on Deep Learning
Zhang Haowei*, Ren Xiaoqian, Liu Ying, Lou Yunzhong
(School of Medical Instrument and Food Engineering,University of Shanghai for Science and Technology, Shanghai 200093, China)
全文: PDF (3350 KB)   HTML (0 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 前列腺癌是男性发病率较高的癌症之一,由于其起病隐匿,潜伏时间较长,所以提高早期诊断的准确率,有利于患者健康。磁共振成像作为前列腺癌检测的主要影像手段,将其与深度学习方法相结合,以建立高效的前列腺癌判别模型,为肿瘤预后评估提供重要手段。采集116名前列腺患者的MRT2WI图像,将其分为训练集和测试集,并对其进行图像增强和裁剪,减少周围组织的干扰,同时扩充图像的样本量,然后将其送入搭建好的AlexNet深度学习框架中进行图像特征等的学习。根据学习和训练反馈结果,对网络架构参数等进行优化,以便充分学习前列腺磁共振图像的特征,提高网络模型判别的准确率,经过改进后得到模型训练结果的准确率为0.977。用得到的模型对测试样本进行测试,得到测试准确率为0.967,AUC面积为0.91,可实现对前列腺癌有无的有效判别。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
章浩伟
任筱倩
刘颖
娄云重
关键词 前列腺癌深度学习AlexNet图像增强    
Key wordsprostate cancer    deep learning    AlexNet    image enhancement
收稿日期: 2018-08-17     
PACS:  R318  
基金资助:上海市科委医学引导项目(12401907700); 微创基金(YS30810126)
通讯作者: *E-mail: howiezh@aliyun.com   
引用本文:   
章浩伟, 任筱倩, 刘颖, 娄云重. 基于深度学习的前列腺癌判别算法研究[J]. 中国生物医学工程学报, 2019, 38(4): 503-507.
Zhang Haowei, Ren Xiaoqian, Liu Ying, Lou Yunzhong. Prostate Cancer Recognition Algorithm Based on Deep Learning. Chinese Journal of Biomedical Engineering, 2019, 38(4): 503-507.
链接本文:  
http://cjbme.csbme.org/CN/10.3969/j.issn.0258-8021.2019.04.16     或     http://cjbme.csbme.org/CN/Y2019/V38/I4/503
版权所有 © 2015 《中国生物医学工程学报》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发