直肠癌淋巴结转移的智能诊断研究

基于数字图像处理与机器学习等技术,对直肠癌淋巴结转移情况的诊断问题进行了研究,将肿瘤诊断分解成肿瘤区域提取的图像分割问题与肿瘤区域诊断的图像分类问题.首先,针对肿瘤区域提取的问题,根据直肠肿瘤CT图像的特点,提出了一种结合聚类和水平集方法的图像分割算法,其结果的Dice系数达到0.8954±0.0512,与专业医生人工提取的结果相比具有较高的相似度.然后,使用传统特征提取的方法,针对直肠癌淋巴结是否转移的问题,对肿瘤区域的CT图像进行了分类.实验结果表明,肿瘤的灰度特征与其淋巴结转移情况关联性最高,并且使用PCA降维得到的分类效果最优.最后,本文还使用深度学习方法对肿瘤图像进行了分类.本文使用AlexNet网络模型并采用迁移学习的方法进行训练,实验表明,该方法的效果优于传统方法,其F1-Score达到了0.7719.

基于语法规律的相关材料标记模型

建立了一个基于中文语法规律的相关材料标记模型.该模型可根据问题在材料中标记出与问题相关的段落.主要步骤包括:(1)根据问题语法进行问题分类,进而将问题划分到不同类型的问题处理模型中;(2)对问题进行关键词提取以确定问题核心内容;(3)根据问题类型与关键词,从材料中搜索候选答案并进行筛选;(4)根据候选答案进行相关段落标记.在百度的中文问答数据集Web QA上进行测试,得到的结果接近循环神经网络标记模型,并且具有较高的可解释性.