展会信息港展会大全

医学课题|精准的极限人工智能、影像组学与肿瘤诊断新机遇
来源:互联网   发布日期:2021-01-20 11:52:01   浏览:8144次  

导读:从海量特征中深层挖掘 从视觉印象到量化研究 计算机辅助诊断(CAD) 融合大数据技术 革命性的影像组学正在带来 前所未有的医疗机遇 比如,万物皆有征兆 肿瘤早期的微观发展 潜藏在纹理特征的变化之中 越早发现,越能在时间的赛跑中取胜 又比如,同一种疾病...

医学课题|精准的极限人工智能、影像组学与肿瘤诊断新机遇

从海量特征中深层挖掘

从视觉印象到量化研究

计算机辅助诊断(CAD)

融合大数据技术

革命性的影像组学正在带来

前所未有的医疗机遇

比如,万物皆有征兆

肿瘤早期的微观发展

潜藏在纹理特征的变化之中

越早发现,越能在时间的赛跑中取胜

又比如,同一种疾病

由于患者身上种种因素不同

即使接受同样的治疗

预后也有很大的差异

而这些预后因素

同样能通过图像纹理特征浮出水面

影像组学能够充分挖掘和分析

不同疾病特异性影像特征

提供量化和监测疾病的非侵入性工具

提高疾病的早期诊断准确性

实现早期干预、提高患者生存质量

其临床应用潜力正在迅速释放

新的浪潮浩浩荡荡,你做好准备了吗?

医学课题|精准的极限人工智能、影像组学与肿瘤诊断新机遇

湾区博士邀请来自中山大学的刘博士开设医学课题《人工智能和影像组学预测肿瘤患者生存与复发》,系统了解医学背景、常见解剖结构及临床应用,从医学、人工智能、大数据的角度理解影像组学,掌握研究方法,同导师合作完成或者独立完成一篇学术论文。

本课题邀请对医学、人工智能、大数据等领域感兴趣的学生参与研究。与刘博士一起深度交流,从乏味的日常学习中脱身而出,迈进真正的学术殿堂,驰骋在星辰大海的壮阔世界。

课题内容

第一阶段:背景领域介绍

带领学员系统了解医学背景、常见解剖结构及临床应用,激发对医学的兴趣。培养跨学科思维,从医学、人工智能、大数据的角度理解影像组学。

第二阶段:影像组学研究

深入研究影像组学,包括图像获娶分割、特征提娶模型建立等四个流程,掌握影像组学和人工智能的研究方法和思路。

第三阶段:选题研究

掌握文献检索方法和论文阅读技巧,在梳理现有研究成果的学术基础上,进行深入思考和选题研究。

第四阶段:研究成果

与导师对关键问题进行讨论,掌握学术论文写作过程和思路,同导师合作完成或者独立完成一篇学术论文。

医学课题|精准的极限人工智能、影像组学与肿瘤诊断新机遇

课题导师

刘博士

中山大学医学博士

主要研究方向为人工智能、影像组学在医学领域的应用,超短时间回波UTE、Magic序列等MRI新序列研究

已发表3篇SCI文章,1篇国际磁共振大会ISMRM摘要

医学课题|精准的极限人工智能、影像组学与肿瘤诊断新机遇

[1] Gillies RJ, Kinahan PE, Hricak H. Radiomics: Images Are More than Pictures, They Are Data. Radiology 2016;278(2):563-577.

[2] Lambin P, Rios-Velazquez E, Leijenaar R, Carvalho S, van Stiphout RG, Granton P, Zegers CM, Gillies R, Boellard R, Dekker A, Aerts HJ. Radiomics: extracting more information from medical images using advanced feature analysis. European journal of cancer (Oxford, England : 1990) 2012;48(4):441-446.

[3] Huang YQ, Liang CH, He L, Tian J, Liang CS, Chen X, Ma ZL, Liu ZY. Development and Validation of a Radiomics Nomogram for Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer. Journal of clinical oncology : official journal of the American Society of Clinical Oncology 2016;34(18):2157-2164.

[4] Huang Y, Liu Z, He L, Chen X, Pan D, Ma Z, Liang C, Tian J, Liang C. Radiomics Signature: A Potential Biomarker for the Prediction of Disease-Free Survival in Early-Stage (I or II) Non-Small Cell Lung Cancer. Radiology 2016;281(3):947-957.

[5] Basler L, Gapy HS, Hogan SA, Pavic M, Bogowicz M, Vuong D, Tanadini-Lang S, F rster R, Kudura K, Huellner MW, Dummer R, Guckenberger M, Levesque MP. Radiomics, Tumor Volume, and Blood Biomarkers for Early Prediction of Pseudoprogression in Patients with Metastatic Melanoma Treated with Immune Checkpoint Inhibition. Clinical cancer research : an official journal of the American Association for Cancer Research 2020;26(16):4414-4425.

[6] Liu Z, Zhang XY, Shi YJ, Wang L, Zhu HT, Tang Z, Wang S, Li XT, Tian J, Sun YS. Radiomics Analysis for Evaluation of Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer. Clinical cancer research : an official journal of the American Association for Cancer Research 2017;23(23):7253-7262.

[7] 影像组学研究浅见。刘在毅,梁长虹编著;影像诊断与介入放射学;2017。

[8] 影像组学与大数据结合的研究现状。吴佩琪,刘再毅,何兰,黄燕琪,梁长虹;中华放射学杂志;2017。


赞助本站

AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港