3D 医疗影像数据深度学习高效训练与推理架构.pdf

编号：29597

PDF 24页 3.43MB 下载积分：VIP专享

下载报告请您先登录！

3D 医疗影像数据深度学习高效训练与推理架构.pdf

1、3D医疗影像数据深度学习高效训练与推理架构北京安德医智科技有限公司杨春宇博士/算法总监/国家万人计划领军人才医疗影像数据医疗影像数据医疗影像数据基本特点数据维度： 2D、3D、3D多序列、2D视频、3D视频、3D视频多序列采集效率：毫秒级到数十分钟数据尺寸：典型512长*512宽*数百层*数个序列数据体量：特定病种几例到几十万例病例数据质量：数据需专业团队标注，高水平医生标注/审核，工作量巨大小样本/半监督/无监督学习算法重获重视，但仍不成熟医疗影像辅助诊断中常用的AI技术目标检测：器官粗定位，微小病灶的筛查性检测图像分割：组织/器官/病灶精确分割，三维

2、重建，参数测量图像配准：多期相、多模态影像配准、疗效评估、随访对比图像生成：多期相、多模态图像生成图像/视频分类：疾病的鉴别诊断图像/视频检索：相似病例库检索肺部CT 3D基础乳腺MRI 3D多序列心脏MRI 3D视频 3D医疗影像AI辅助诊断实例肺部CT 每年中国肺结核发病90万，肺癌发病78万，肺炎死亡15万医学意义：快速筛查&鉴别诊断检查手段：CT平扫/增强数据示例： 512长*512宽*149层分辨率： 0.68mm*0.68mm*2mm 肺部CT分割组织器官分割：肺叶/肺段/肋骨/椎骨/气管/血管病灶分割：炎性病灶、占位性病灶分割网络模型选择：3D vs

3、 2D 2D分割网络对数据标注完整性要求低可选择性标注典型层（UNet、HRNet） 3D标注要求高，右图耗时2人天 Conv3D Norm ReLU ConvBlock#1, 32 ConvBlock#2, 32 ConvBlock#3, 32 ConvBlock#4, 32 Input Input Output Output Input，2，384*384*64， ConvBlock，32，333 Average Pooling DenseBlock Max Pooling ConvBlock，128，111 DenseBlock ConvBlock，512，111 Global Average Pooling L2 Normalization Dense Output AM-Softmax loss Label ConvBlock DenseBlock 肺部CT辅助诊断深度 88

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（3D 医疗影像数据深度学习高效训练与推理架构.pdf）为本站（X-iao）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。