支气管扩张CT影像计算机辅助诊断研究综述

支气管扩张症是一种常见的慢性呼吸道疾病,严重影响患者的生活质量,带来了沉重的社会经济负担。随着人工智能的发展,可利用计算机视觉领域的目标检测技术辅助诊断这类疾病。报告了支气管扩张症人工智能诊断系统的研究现状,介绍了支气管扩张症的临床诊断方式,并基于此提出了计算机辅助诊断该类疾病的诊断技术路线,总结了CT影像噪声抑制、肺实质提取、肺叶分割的传统和深度学习方法,针对支气管扩张金标准数据集匮乏的问题,从两个方面综述了目标检测应用于计算机辅助诊断的问题及挑战,详细比较了不同算法的特点和适用场景。最后讨论了未来可能的发展趋势。     

计算机辅助诊断人脸形态学疾病研究综述

某些疾病引起的患者的脸部形态与大多数正常人不同，具有一定的相似性。根据不同的人脸形态特征，可以通过利用计算机信息技术辅助诊断这类疾病。通过计算机辅助医学诊断，有研究发现，一些疾病的筛查率接近甚至高于医生，疾病的诊断周期也缩短了。综述了计算机辅助诊断人脸形态学相关疾病的基本原理和传统方法；从引起人脸形态变化的不同因素入手，分析和综述了相关的应用研究。从不同的技术角度分析人脸的形态特征，为今后更快、更准确地诊断疾病提供不同的切入点。     

应用于CT图像肺结节检测的深度学习方法综述

肺癌是世界上死亡率最高的癌症，通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大。为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率，研究人员提出了计算机辅助检测（CAD）系统辅助放射科医生检测和诊断肺结节。目前，研究人员正在尝试不同的深度学习技术，以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能。这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架，主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍。最后，对各个方法的主要特点和算法性能进行了综合比较分析，并对如何提高结节检测性能进行了展望。     

儿童运动协调障碍AI诊断系统研究综述

运动协调障碍是儿童生长发育过程中的一种高发问题,严重影响儿童身心健康并对成年后的远期健康造成多种不良影响。随着人工智能的发展,可利用计算机视觉领域的人体姿态估计和动作识别技术辅助诊断这类疾病,有利于提升医疗普惠程度和医疗效率,对缓解医疗资源不足有着重要意义。报告了儿童运动协调障碍AI诊断系统的研究现状,介绍了儿童运动协调障碍的临床诊断方式,并基于此提出了计算机辅助诊断该类疾病的诊断技术路线,总结了人体姿态估计和动作识别任务的深度学习方法,分析了目前主流使用的人体姿态估计与动作识别任务评估指标与其对应数据集,讨论了其应用于计算机辅助诊断的问题及挑战。     

组合分类器辅助诊断肺栓塞的研究

计算机辅助诊断（CAD）已经广泛地应用于许多疾病的诊断中,利用计算机辅助诊断技术医生可以在不影响诊断效果的前提下提高疾病的诊断效率,从而为病患赢得就医的时间。提出了一种基于组合学习方式的肺栓塞辅助诊断分类器：首先基于AdaBoost训练思想,以CART（分类与回归树）作为弱分类器,构造了一个AdaBoost分类器,然后结合BP神经网络分类器,设计出组合分类器。该分类器不仅提高了诊断的效率,同时也使得诊断效果有了一定的改善。     

新型冠状病毒肺炎的深度学习诊断方法综述

新型冠状病毒肺炎的高感染率导致其在全球范围内迅速传播,常用的逆转录-聚合酶反应（RT-PCR）检测方法存在耗时、假阴性率偏高和医学用具不足的缺陷,因此开发高效、准确、低成本的影像检测技术对新型冠状病毒肺炎的诊断和治疗至关重要。随着人工智能在医学领域的成功应用,深度学习技术成为辅助检验和识别新型冠状病毒肺炎的有效方法。对近年来涌现的新型冠状病毒肺炎的深度学习诊断方法进行了研究和总结：介绍了深度学习方法使用的两种新型冠状病毒肺炎数据集;介绍了基于VGGNet、Inception、ResNet、DenseNet、EfficientNet和CapsNet模型的六种深度学习诊断方法;介绍了三种深度学习与其他机器学习方法结合的诊断方法;对基于深度学习的新型冠状病毒肺炎诊断方法的研究趋势进行了展望。     

基于深度学习的乳腺癌病理图像分类研究综述

准确、高效的乳腺癌病理图像分类是计算机辅助诊断的重要研究内容之一。随着机器学习技术的发展，深度学习日渐成为一种有效的乳腺癌病理图像分类处理方法。分析了乳腺癌病理图像分类方法及目前存在的问题；介绍了四种相关的深度学习模型，对基于深度学习的乳腺癌病理图像分类方法进行梳理，并通过实验对比分析现有模型的性能；最后对乳腺癌病理图像分类的关键问题进行了总结，并讨论了未来研究的发展趋势。     

基于影像的病脑检测方法综述

脑部疾病严重威胁着人类的健康,而随着计算机技术的发展,CT、MRI、PET-CT等医学图像越来越多地被应用到医疗诊断工作当中,这将计算机可视化技术推向了一个新的高度。脑部疾病的病情各异,有的甚至直接危及生命,因此,脑疾病的早期诊断对疾病治疗具有十分重要的意义。目前,深度学习的火热,及其自动学习特征的优势,使得基于深度学习的计算机辅助医疗诊断成为了研究热点。将简单介绍病脑成像技术,并针对传统的病脑检测方法和基于深度学习的病脑检测方法进行比较、分析和总结,研究其发展现状和趋势,并针对不同的诊断方法对其检测性能等方面进行分析与比较。     

设计加速器

作为基于特征的无参数建模技术,同步建模技术可以把用户的设计速度提高100倍。利用计算机辅助进行设计的工作人员都碰到过这样一个问题:即使要完成一个与原有模型十分相似的设计,原有模型往往也难以重复利用,这一点在不同公司发布的计算机辅助设计产品中更是如此。     

基于计算机辅助诊断技术的阿尔兹海默症早期分类研究综述

阿尔兹海默症（AD）作为主要的神经退行性疾病之一,已成为导致痴呆问题最常见的原因。截至目前,尚缺乏有效的针对性治疗药物和阻止疾病发展的有效治疗方式。随着计算机技术的不断发展,将计算机辅助诊断技术工具用于AD早期分类研究将为临床医生提供重要帮助。综述近些年来将传统机器学习和深度学习技术等手段用于AD的早期诊断分类的研究,研究样本主要为脑部神经成像数据（如MRI、PET）、脑电图（EEG）等生物标记物,结合机器学习方法对AD早期诊断进行分类研究。首先分析了将机器学习方法用于AD早期分类的应用,对比了采用不同算法的分类情况;其次,对比了针对受试者不同生物标记物以及采用单模态或不同模态组合方式用于AD早期分类的研究;最后介绍了AD分类面临的挑战并提出了未来的研究方向。     

A homogeneous ensemble method for predicting gastric cancer based on gastroscopy reports

Gastroscopy is important for finding suspicious stomach lesions, screening for gastric cancer, and providing early diagnoses. Due to the differences in the levels of diagnosis and treatment among gastroscope doctors, clinical diagnosis based on gastroscopy is limited by low diagnostic sensitivity and specificity to gastric cancer. An assistive system for gastroscopy report analysis can be helpful to improve the success rate of gastric cancer detection. In this study, a homogeneous ensemble decision support system for gastric cancer screening (Endo-GCS) that performs word segmentation, feature extraction, and gastric cancer screening on text-based gastroscopy reports is proposed. The proposed Endo-GCS method establishes a progressive local weighting algorithm that improves the overall prediction performance of the homogeneous ensemble model in gastric cancer screening. An optimal threshold estimation algorithm is developed to minimize the negative impact of misdiagnosis and missed diagnoses. Through a comparative experimental study using real gastroscopy report data, the pathological examination conclusion is the gold standard. The sensitivity of the proposed Endo-GCS method is 88.27%, the specificity is 77.84%, and the accuracy is 82.11%, which significantly improved the sensitivity 65.49% and the accuracy 80.5% of the gastroscopic diagnosis results, respectively.     

乳腺X线图像计算机辅助诊断技术综述

近年来,乳腺癌严重威胁全球女性的身体健康,乳腺X线摄影是乳腺癌筛查的有效影像检查手段.乳腺X线图像计算机辅助诊断(computer aided diagnosis,CAD)运用计算机视觉、图像处理、机器学习等人工智能先进技术,自动分析处理乳腺X线图像,可为医生在临床中提供重要的诊断参考.主要面向肿块和微钙化病变检测、分...     

基于深度学习的变压器故障诊断方法研究

油中溶解气体分析方法（DGA）是变压器内部故障诊断的重要方法,广泛应用在变压器在线监测和定期试验检测中,传统的特征气体法和三比值法等诊断方法在实际应用中普遍存在着一定的局限性,导致故障诊断精度偏低。针对这一问题,本文提出了一种基于深度学习技术中的多层感知机的变压器故障综合诊断方法,利用开源的Scikit-learn 机器学习框架及TensorFlow深度学习框架构建了变压器故障诊断模型,并应用实际工程中的故障样本数据,对故障诊断模型进行了训练和测试。试验结果表明,基于多层感知机技术的变压器故障诊断模型能够对变压器故障进行正确诊断,与传统的三比值法及支持向量机技术相比,多层感知机的诊断准确率更高,具有更优的故障诊断性能,能够为变压器的检修提供更为准确的参考信息。     

机器学习在超声图像中的应用综述

超声图像为临床疾病检测与诊断提供重要的辅助信息,机器学习在超声图像中的应用给超声图像的分析诊断带来了新变革.从超声图像的去噪、分割、检测、分类等方面介绍了超声图像的研究现状.分类综述了近年来机器学习算法在超声图像领域的研究和应用进展.指出了基于机器学习在医学影像领域开展研究所面临的困难与挑战,并对未来研究方向进行了展望...     

机器学习在故障检测与诊断领域应用综述

机器学习已经成为当前技术发展热点,由于机器学习具有快速处理大量数据、分析提取有效信息等优点,因此在故障检测与诊断技术中受到了越来越多的关注;文章系统介绍了机器学习和故障检测与诊断的概念、分类,深入了解了基于PCA和随机森林的故障检测方法和国内研究现状,以及基于决策树、支持向量机以及神经网络的故障诊断方法和国内外研究现状,其中重点介绍了卷积神经网络和递归神经网络的应用,并对机器学习算法在故障检测与诊断应用前景进行了展望,大数据时代下,机器学习在故障检测和诊断领域有着绝对优势。     

A deep ensemble network model for classifying and predicting breast cancer

Breast cancer is one of the leading causes of death among women worldwide. In most cases, the misinterpretation of medical diagnosis plays a vital role in increased fatality rates due to breast cancer. Breast cancer can be diagnosed by classifying tumors. There are two different types of tumors, such as malignant and benign tumors. Identifying the type of tumor is a tedious task, even for experts. Hence, an automated diagnosis is necessary. The role of machine learning in medical diagnosis is eminent as it provides more accurate results in classifying and predicting diseases. In this paper, we propose a deep ensemble network (DEN) method for classifying and predicting breast cancer. This method uses a stacked convolutional neural network, artificial neural network and recurrent neural network as the base classifiers in the ensemble. The random forest algorithm is used as the meta-learner for providing the final prediction. Experimental results show that the proposed DEN technique outperforms all the existing approaches in terms of accuracy, sensitivity, specificity, F-score and area under the curve (AUC) measures. The analysis of variance test proves that the proposed DEN model is statistically more significant than the other existing classification models; thus, the proposed approach may aid in the early detection and diagnosis of breast cancer in women, hence aiding in the development of early treatment techniques to increase survival rate.     

网络入侵检测技术综述

随着互联网时代的发展,内部威胁、零日漏洞和DoS攻击等攻击行为日益增加,网络安全变得越来越重要,入侵检测已成为网络攻击检测的一种重要手段。随着机器学习算法的发展,研究人员提出了大量的入侵检测技术。本文对这些研究进行了综述。首先,简要介绍了当前的网络安全形势,并给出了入侵检测技术及系统在各个领域的应用。然后,从数据来源、检测技术和检测性能三个方面对入侵检测相关技术和系统进行已有研究工作的总结与评价,其中,检测技术重点论述了传统机器学习、深度学习、强化学习、可视化分析技术等方法。最后,讨论了当前研究中出现的问题并展望该技术的未来发展方向和前景。本文希望能为该领域的研究人员提供一些有益的思考。     

机器学习模型在车险欺诈检测的研究进展

随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重。车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要。因此,车险欺诈检测技术一直是国内外学者研究的热点问题。鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外的研究成果又较少对我国车险业务数据进行有效建模与分析,首次针对机器学习模型应用在车险欺诈检测的研究工作进行了文献调研,对二十多年来的研究工作进行系统化的归纳与总结。通过引入车险欺诈流程的简介,对专家系统与智能理赔系统在车险欺诈检测的流程进行了叙述;依次从国外和国内的角度介绍了机器学习模型应用在车险欺诈检测的具体研究进展,并进行了宏观的对比;基于国内某车险公司提供近5年来高质量的车险数据选取具有代表性的机器学习模型进行建模,并进行了全面的测试与分析;探讨了车险欺诈检测技术未来的研究方向。     

淋巴瘤图像分类技术研究综述

淋巴瘤是源于淋巴造血系统的一类恶性肿瘤,基于医学影像及病理图像的精准诊断对临床治疗淋巴瘤具有重要价值。随着机器学习和深度学习技术的发展,利用人工智能技术对淋巴瘤图像分类已成为医学领域的研究热点之一。对淋巴瘤影像及病理图像分类技术的研究进展进行了系统总结与分析,并重点阐述了基于机器学习等新技术的图像分类方法与研究概况,对淋巴瘤图像分类的相关技术做了总结与展望。