注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學(xué)技術(shù)醫(yī)學(xué)特種醫(yī)學(xué)基于醫(yī)學(xué)影像和基因數(shù)據(jù)的肺癌輔助診斷方法研究

基于醫(yī)學(xué)影像和基因數(shù)據(jù)的肺癌輔助診斷方法研究

基于醫(yī)學(xué)影像和基因數(shù)據(jù)的肺癌輔助診斷方法研究

定 價:¥42.00

作 者: 董云云 著
出版社: 科學(xué)技術(shù)文獻出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787523514276 出版時間: 2024-05-01 包裝: 平裝-膠訂
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  全書由6章組成,其中:第1章主要介紹肺癌研究中利用影像基因等數(shù)據(jù)進行研究的應(yīng)用領(lǐng)域及相關(guān)概念和理論基礎(chǔ);第2章針對疑似肺癌的疑難型肺結(jié)節(jié),提出基于超體素3D區(qū)域增長的疑難型肺結(jié)節(jié)分割方法;第3章針對肺癌的亞型分類問題,提出了一種多級加權(quán)的深度森林模型和基于DNA甲基化進行細粒度的肺腺癌亞型分類;第4章針對肺腺癌復(fù)雜的發(fā)病機制,以及使用單一基因數(shù)據(jù)難以獲得滿意的分期結(jié)果,提出了基于多組學(xué)基因數(shù)據(jù)的改進的多級加權(quán)深度森林模型IMLW-gcForest以進行分期;第5章針對基因檢測過程存在侵入性、時間長、費用高等問題,提出了多通道多任務(wù)的深度學(xué)習(xí)模型MMDL,利用非小細胞肺癌的CT影像來預(yù)測EGFR和KRAS的突變;第6章為總結(jié)與展望。

作者簡介

暫缺《基于醫(yī)學(xué)影像和基因數(shù)據(jù)的肺癌輔助診斷方法研究》作者簡介

圖書目錄

第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 肺結(jié)節(jié)分割
1.2.2 肺癌亞型分類
1.2.3 肺癌分期
1.2.4 肺癌影像預(yù)測基因突變
1.3 本書主要研究內(nèi)容
1.4 本書的組織結(jié)構(gòu)
第2章 基于超體素3D區(qū)域增長的疑難型肺結(jié)節(jié)分割方法
2.1 引言
2.2 相關(guān)工作
2.3 數(shù)據(jù)預(yù)處理
2.3.1 前景區(qū)域的分離及種子點的自動定位
2.3.2 3D掩模的構(gòu)建
2.4 3D超體素的構(gòu)建
2.4.1 超體素的構(gòu)建原理
2.4.2 超體素的構(gòu)建過程
2.5 模糊連通圖的構(gòu)建
2.5.1 模糊鄰接關(guān)系及模糊鄰接度
2.5.2 模糊連通性及模糊連通圖的構(gòu)建
2.6 基于超體素的3D區(qū)域增長
2.7 實驗與結(jié)果
2.7.1 實驗數(shù)據(jù)集及環(huán)境
2.7.2 不同方法的定性評估
2.7.3 不同方法之間的3D分割的單切片結(jié)果比較
2.7.4 不同區(qū)域增長方法之間的定量比較
2.7.5 與相關(guān)研究的比較
2.8 討論
2.8.1 傳統(tǒng)3D區(qū)域增長方法的閾值設(shè)置
2.8.2 參數(shù)γ1和γ2的設(shè)置
2.8.3 所提方法的局限性
2.9 本章小結(jié)
第3章 基于DNA甲基化的MLW-gcForest肺癌亞型分類模型
3.1 引言
3.2 相關(guān)工作
3.3 gcForest模型
3.4 MLW-gcForest模型
3.4.1 權(quán)重α的計算
3.4.2 排序優(yōu)選算法
3.5 實驗與結(jié)果
3.5.1 數(shù)據(jù)集及實驗設(shè)置
3.5.2 與傳統(tǒng)方法的結(jié)果對比
3.5.3 模型處理小樣本數(shù)據(jù)的能力
3.5.4 模型緩解過擬合的風(fēng)險
3.5.5 與相關(guān)研究的性能對比
3.6 討論
3.6.1 主要參數(shù)設(shè)置
3.6.2 不同組學(xué)數(shù)據(jù)分類性能比較
3.7 本章小結(jié)
第4章 基于多組學(xué)基因數(shù)據(jù)的IMLW-gcForest肺癌分期模型
4.1 引言
4.2 相關(guān)工作
4.3 IMLW-gcForest模型及多組學(xué)決策融合
4.3.1 多組學(xué)基因數(shù)據(jù)預(yù)處理
4.3.2 IMLW-gcForest
4.3.3 多組學(xué)模型決策級融合
4.4 實驗與結(jié)果
4.4.1 數(shù)據(jù)集和實驗設(shè)置
4.4.2 基于基因表達、DNA甲基化、拷貝數(shù)變異的肺腺癌分期模型
4.4.3 基于多組學(xué)基因數(shù)據(jù)的肺腺癌分期模型
4.4.4 多組學(xué)基因數(shù)據(jù)模型和單種基因數(shù)據(jù)模型的比較
4.4.5 模型在小樣本數(shù)據(jù)集上的有效性
4.4.6 模型防止過擬合的能力
4.5 討論
4.5.1 不同加權(quán)策略下模型的性能對比
4.5.2 隨機森林中決策樹的數(shù)量設(shè)置
4.5.3 與其他分期研究的對比
4.6 本章小結(jié)
第5章 CT影像預(yù)測肺癌EGFR/KRAS基因突變的MMDL模型
5.1 引言
5.2 相關(guān)工作
5.3 MMDL模型總體框架
5.4 ROI的提取
5.5 Inception-attention-resnet模型的構(gòu)建
5.5.1 Inception-resnet-V2模型
5.5.2 注意力模塊
5.5.3 Inception-attention-resnet模型
5.6 模型的遷移學(xué)習(xí)
5.7 多通道決策融合
5.8 實驗與結(jié)果
5.8.1 數(shù)據(jù)集
5.8.2 與傳統(tǒng)方法的比較
5.8.3 與其他深度模型的比較
5.8.4 模型的可視化
5.8.5 多視圖結(jié)果的對比
5.8.6 與相關(guān)研究的對比
5.9 討論
5.9.1 遷移學(xué)習(xí)對分類結(jié)果的影響
5.9.2 病歷信息對分類結(jié)果的影響
5.9.3 注意力機制對分類結(jié)果的影響
5.10 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
縮略語
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號