注册 | 登录 | 举报
  • 首 页
  • 公告沙龙
    • 公告中心
    • 活动沙龙
  • 课程学习
  • 项目交流
    • 项目招募
    • 问答中心
  • 信息展示
    • 项目展示
    • 往年项目展示
    • 校内导师
    • 校外导师
  • 使用指南
    • 文件下载
    • 常见问题

举报该页有违规/非法信息


  • 最新

自监督学习下基于病理切片的癌症生存分析

 国际学院

Cancer survival analysis based on pathological sections under self-supervised learning

癌症是一种在发达国家和发展中国家死亡率很高的疾病。不仅死亡率高,且需花费想当高昂的医疗费用。治疗癌症的关键点之一是早期发现肿瘤,活组织检查需要更多的时间来提供应有的结果、采集程序、组织处理(制作带有染色过程的幻灯片),最后进行病理学家目视分析。然而,病理学家分析是一项高度专业化和耗时的任务,容易引起观察者之间和内部的不一致。此外,染色过程可能会导致分析过程中的差异。因此我们需要运用计算机辅助诊断(CAD)。 计算机辅助诊断是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段,集合计算机的分析运算,辅助影像科医师发现病灶,提高诊断准确率,不仅增加了诊断过程的再现性,而且减少了观察者的主观性。癌症诊断的一个重要特征是观察细胞核。肿瘤样导管癌小叶癌在这些结构的上皮细胞上呈不规则生长。大量的细胞核或小区域内有丝分裂细胞的数量多,表明存在不规则生长代表肿瘤的组织。HI可以捕获此特征,但除了细胞核外,它还可以捕获其他良性肿瘤图像中可见的健康组织。在过去的几年里,我们在CAD中越来越多地使用机器学习(ML)和HI分析方法。ML方法已用于不同组织或器官,如乳房、前列腺、皮肤、大脑、骨骼、肝脏等中癌症的病理诊断。

项目分数

项目信息

  • 项目动态
  • 项目相关人员
  • 项目荣誉
  • 留言

项目负责人

陆天与2021级 国际学院 物联网

项目成员

徐思睿2021级 国际学院 物联网工程

李雨桐2021级 国际学院 物联网工程

指导老师

张熙网络空间安全学院 副教授

评审老师

郭凯国际学院 高级工程师

暂无留言
该项目暂无荣誉
邮箱:buptwin@bupt.edu.cn;传真:010-62285134;电话:010-62281946;地址:北京邮电大学教一楼323; 邮编:100876
北京邮电大学叶培大创新创业学院 © Copyright 2017
Baidu
map