基于深度学习的医疗大数据分析 - 中科院 赵地

2020-02-27 531浏览

  • 1.基于深度学习的医学影像大数据 分析 Zhao Di Computer Network Information Center Chinese Academy of Sciences 2016年图形处理器技术大会 北京国际饭店会议中心，2016年9月13日
  • 2.关于我
  • 3.关于我：博士毕业论文  细胞间的热传导；  采用微分方程模型，全文上千公式；
  • 4.关于我：哥伦比亚大学工作
  • 5.关于我：哥伦比亚大学生物医学信息中心  生物医学信息分析；  采用贝叶斯模型；
  • 6.关于我：OSU脑科学中心
  • 7.关于我：OSU脑科学中心    MRI成像与图像分析的训练，西门子公司； 采用贝叶斯模型； 导师：Mark A. Pitt教授，Jay Myung教授，Zhong-Lin Lu教授，认知科学
  • 8.基于深度学习的医学图像分析 • 医学影像技术提供了新的契机 描述人体组织解剖结构信息 PET SPECT 描述人体组织代谢信息
  • 9.基于卷积神经网络的医学图像分析 基于深度神经网络的医学图像分析 Hinton 于2006年提出，与GPU计算 结合，使得大规模的数据学习和 多层网络训练成为可能。 深度学习中的主要网络： （1）自编码机 Auto Encoder （2）稀疏编码 Sparse Coding （3）限制性玻尔兹曼机 RBM （4）深度置信网络 Deep Belief Network （5）深度卷积神经网络
  • 10.深度学习——疾病的分类 • 脑：脑血管病，神经退行性疾病（阿尔茨海默病，帕金森病，癫 痫），精神疾病（抑郁症，精神分裂症），脑瘤 • 胸：心脏疾病，肺结节/肺癌，乳腺结节/乳腺癌 • 颈：颈动脉检测，甲状腺癌 • 眼：糖尿病眼病 • 皮肤：皮肤癌 • 腹部：胃癌 • 男性骨盆：前列腺癌 • 女性骨盆：子宫颈癌 • 耳 • 鼻 • 背 • 四肢 • 臀 • 腰
  • 11.阿尔茨海默病（Alzheimer's disease） 阿尔茨海默病（Alzheimer‘s disease） 阿尔茨海默病（Alzheimer‘s disease）是一 A 是一种起病隐匿的进行性发展的神经 种起病隐匿的进行性发展的神经系统退行 系统退行性疾病。阿尔茨海默病导致 性疾病。阿尔茨海默病导致脑神经细胞死 脑神经细胞死亡，脑组织缺失。如左 亡，脑组织缺失。如左图所示， 阿尔茨海 图所示， 阿尔茨海默病将导致严重 默病将导致严重的脑萎缩； 的脑萎缩 B 临床上以记忆障碍、失语、失用、失 临床上以记忆障碍、失语、失用、失认、 认、视空间技能损害、执行功能障碍 视空间技能损害、执行功能障碍以及人格 以及人格和行为改变等全面性痴呆表 现为特征，病因迄今未明。 和行为改变等全面性痴呆表现为特征，病 因迄今未明； C 阿尔茨海默病尚未找到有效的治疗手段， 临床上”早期发现，早期干预”，对于减轻 病人脑部损害有非常重要的意义。
  • 12.Classification of Alzheimer’s Disease Structural MRI Data by Deep Learning Convolutional Neural Networks In this paper, we used convolutional neural network to classify Alzheimer’s brain from normal healthy brain. The importance of classifying this kind of medical data is to potentially develop a predict model or system in order to recognize the type disease from normal subjects or to estimate the stage of the disease. Using Convolutional Neural Network (CNN) and the famous architecture LeNet-5, we successfully classified structural MRI data of Alzheimer’s subjects from normal controls where the accuracy of test data on trained data reached 98.84%. Saman Sarraf, Ghassem Tofighi, Classification of Alzheimer's Disease Structural MRI Data by Deep Learning Convolutional Neural Networks,http://arxiv.org/abs/1607.06583
  • 13.Classification of Alzheimer’s Disease Using fMRI Data and Deep Learning Convolutional Neural Networks In this paper, we used convolutional neural network to classify Alzheimer’s brain from normal healthy brain. of clinical data such as Alzheimer’s disease has been always challenging and most problematic part has been always selecting the most discriminative features. Using Convolutional Neural Network (CNN) and the famous architecture LeNet5, we successfully classified functional MRI data of Alzheimer’s subjects from normal controls where the accuracy of test data on trained data reached 96.85%. Saman Sarraf, Ghassem Tofighi, Classification of Alzheimer's Disease using fMRI Data and Deep Learning Convolutional Neural Networks,arXiv:1603.08631[cs.CV].18:58 2016/9/12
  • 14.DeepAD:'>DeepAD: