| 作 者： | 董云云 |
| 出版社： | 科学技术文献出版社 |
| 丛编项： | |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 肺结节分割
1.2.2 肺癌亚型分类
1.2.3 肺癌分期
1.2.4 肺癌影像预测基因突变
1.3 本书主要研究内容
1.4 本书的组织结构
第2章 基于超体素3D区域增长的疑难型肺结节分割方法
2.1 引言
2.2 相关工作
2.3 数据预处理
2.3.1 前景区域的分离及种子点的自动定位
2.3.2 3D掩模的构建
2.4 3D超体素的构建
2.4.1 超体素的构建原理
2.4.2 超体素的构建过程
2.5 模糊连通图的构建
2.5.1 模糊邻接关系及模糊邻接度
2.5.2 模糊连通性及模糊连通图的构建
2.6 基于超体素的3D区域增长
2.7 实验与结果
2.7.1 实验数据集及环境
2.7.2 不同方法的定性评估
2.7.3 不同方法之间的3D分割的单切片结果比较
2.7.4 不同区域增长方法之间的定量比较
2.7.5 与相关研究的比较
2.8 讨论
2.8.1 传统3D区域增长方法的阈值设置
2.8.2 参数γ1和γ2的设置
2.8.3 所提方法的局限性
2.9 本章小结
第3章 基于DNA甲基化的MLW-gcForest肺癌亚型分类模型
3.1 引言
3.2 相关工作
3.3 gcForest模型
3.4 MLW-gcForest模型
3.4.1 权重α的计算
3.4.2 排序优选算法
3.5 实验与结果
3.5.1 数据集及实验设置
3.5.2 与传统方法的结果对比
3.5.3 模型处理小样本数据的能力
3.5.4 模型缓解过拟合的风险
3.5.5 与相关研究的性能对比
3.6 讨论
3.6.1 主要参数设置
3.6.2 不同组学数据分类性能比较
3.7 本章小结
第4章 基于多组学基因数据的IMLW-gcForest肺癌分期模型
4.1 引言
4.2 相关工作
4.3 IMLW-gcForest模型及多组学决策融合
4.3.1 多组学基因数据预处理
4.3.2 IMLW-gcForest
4.3.3 多组学模型决策级融合
4.4 实验与结果
4.4.1 数据集和实验设置
4.4.2 基于基因表达、DNA甲基化、拷贝数变异的肺腺癌分期模型
4.4.3 基于多组学基因数据的肺腺癌分期模型
4.4.4 多组学基因数据模型和单种基因数据模型的比较
4.4.5 模型在小样本数据集上的有效性
4.4.6 模型防止过拟合的能力
4.5 讨论
4.5.1 不同加权策略下模型的性能对比
4.5.2 随机森林中决策树的数量设置
4.5.3 与其他分期研究的对比
4.6 本章小结
第5章 CT影像预测肺癌EGFR/KRAS基因突变的MMDL模型
5.1 引言
5.2 相关工作
5.3 MMDL模型总体框架
5.4 ROI的提取
5.5 Inception-attention-resnet模型的构建
5.5.1 Inception-resnet-V2模型
5.5.2 注意力模块
5.5.3 Inception-attention-resnet模型
5.6 模型的迁移学习
5.7 多通道决策融合
5.8 实验与结果
5.8.1 数据集
5.8.2 与传统方法的比较
5.8.3 与其他深度模型的比较
5.8.4 模型的可视化
5.8.5 多视图结果的对比
5.8.6 与相关研究的对比
5.9 讨论
5.9.1 迁移学习对分类结果的影响
5.9.2 病历信息对分类结果的影响
5.9.3 注意力机制对分类结果的影响
5.10 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
缩略语
参考文献
