搜索结果: 1-5 共查到“生物医学工程 高欣”相关记录5条 . 查询时间(0.146 秒)
近日,中国科学院苏州生物医学工程技术研究所高欣团队与复旦大学附属金山医院强金伟团队合作,联合华东、华南、华北等八家三甲医院,首次开展基于MRI影像组学的卵巢癌多中心大样本研究,建立了可在术前对I型和II型卵巢癌进行无创鉴别的机器学习模型,同时在影像组学中首次使用可视化技术来对重点区域进行标识。该研究共入组294例卵巢癌患者(包括I型患者143例,II型患者151例),收集患者多参数MRI影像数据(...
中国科学院苏州生物医学工程技术研究所高欣团队联合中山大学第六附属医院孟晓春团队实现基于深度学习的直肠癌术前淋巴结精准检测与分割(图)
高欣 孟晓春 深度学习 直肠癌术 前淋巴结 精准检测 分割
2020/6/29
近年来,直肠癌在我国的发病率逐年攀升,直肠癌患者淋巴结转移诊断是关系肿瘤分期、治疗方案决策和患者预后的重要因素,淋巴结转移术前诊断决定了医生进行手术方案的制定和患者预后情况的评估,对监测残留肿瘤活性和最大限度减少创伤具有重要意义。 多参数磁共振(MP-MRI)已成为术前评估直肠癌淋巴结转移状态首选的影像学检查手段,然而现有检查方法判断淋巴结转移瓶颈在于:腹腔多脏器多间隙背景下的淋巴结识别效率低下,...
中国科学院苏州生物医学工程技术研究所高欣团队联合上海长征医院刘士远团队提出融合领域知识的新型深度学习网络架构实现早期肺癌淋巴结转移精准无创诊断(图)
中国科学院苏州生物医学工程技术研究所 新型深度学习 网络架构 早期 肺癌淋巴结 精准无创诊断
2020/5/9
中科院苏州医工所高欣研究员团队与上海长征医院刘士远主任团队合作,针对早期肺腺癌术前淋巴结转移诊断问题,提出一种端到端的跨模态信息融合的新型神经网络架构(图1),该架构以三维密集神经网络(3D DenseNet)为基础,全自动提取与淋巴结转移相关的影像特征,同时对生化血检指标、征象信息及危险因素等三类医学领域知识进行编码,拼接融合影像特征与编码后的领域知识生成特征向量,利用全连接网络自动学习特征权重...
中国科学院苏州生物医学工程技术研究所高欣与复旦中山医院王文平合作提出基于超声的原发性肝细胞癌微血管侵犯状态全面预测新思路(图)
高欣 王文平 超声 原发性 肝细胞癌 微血管 侵犯状态 全面预测
2020/3/20
原发性肝细胞癌(hepatocellular carcinoma,HCC)是世界常见的恶性肿瘤之一,致死率位居第二。其中微血管侵犯(microvascular invasion,MVI)是HCC具有侵袭性生物学行为的标志,被证实是HCC复发风险的重要预测指标,MVI状态关系到患者治疗方案的选择以及预后,而临床针对MVI诊断只能依靠术后组织病理学检查。目前MVI的研究热点就是术前MVI精准预测,这将...