人工智能在疾病预测方面的应用——以癫痫预测为例-现代医学成像技术 [自动保存的].ppt

人工智能在医学图像处理的应用——以癫痫诊断为例课程名称：现代医学成像技术汇 报 人：杨泽坤导 师：葛曼玲 CONTENTPart 01背景介绍Part 02癫痫诊断Part 03总结与展望Part 04参考文献 B A C K G R O U N DPart 01背景介绍 背景介绍大数据信号处理医学行为、偏好预测，产品设计与商业统筹等，近年来更与5G密切联系；专家系统、疾病预测与诊疗等；人脸识别、文本翻译、图像识别与分类、语音识别与翻译等；人工智能(Artificial Intelligence) 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 背景介绍有监督学习无监督学习机器学习它是人工智能的核心，是使计算机具有智能的根本途径。对样本容量的要求泛化能力 背景介绍医学方面的应用 可以为医生提供完整和有效的信息， 从而为疾病的诊断和治疗提供科学、可靠的依据。 可以极大提高医学数据的测定和分析过程的自动化程度， 从而大大提高工作速度， 减轻人的工作强度， 并减少主观随意性。 可以集中专家的知识， 辅助医生做出更为可靠和正确的诊断； 随着病例的增多， 还可以丰富系统的知识， 自动地或者在人工干预下进行知识的积累和分析， 提高医疗水平。 可以从大规模的医学历史数据中发现规律和知识，从而为未来疾病防控提供决策支持。 背景介绍青光眼诊断阿尔茨海默病因研究和临床治疗癫痫病病灶定位与诊断基于光学相干断层扫描数据的眼科转诊患者分类基于皮肤镜的恶性黑色素瘤诊断基于急诊科记录的流感识别 E P I L E P S Y D I A G N O S I SPart 02癫痫诊断 癫痫诊断脑电图(EEG) 由于癫痫在发作时脑电图可以准确地记录出散在性慢波、棘波或不规则棘波，因此对于诊断癫痫，脑电图检查十分准确,且脑电图对抗癫痫药的停药具有指导。2.1 临床诊断方法 癫痫诊断计算机断层扫描(Computed tomography，CT) 根据国内外的研究报道，脑部CT对癫痫的阳性检出率在20%-50%之间。不同类型的癫痫的阳性检测率有所不同：部分性发作的CT阳性检出率60%左右，原发性大发作癫痫的阳性检出率10%左右。CT的优点在于低价、快速方便、图像对于大多数病人相对可靠。 如果病人有顽固性发作，CT检查结果阴性的时候，建议核磁共振作检查。 癫痫诊断磁共振(Magnetic resonance imaging，MRI) 1980 年，Hawkes 等报告了将核磁共振技术用于脑部结构的检测，这将为癫痫的诊断提供新的临床检测方法。核磁共振的特点：非放射性，可以确定脑部结构的异常或病变，扫描的方位不受限制，图像信号清晰可见，对比明显，能清楚显示大脑灰质、白质、脑脊液等等，甚至可以显示出脑部的病理灶，如灰质异位、颅内肿瘤占位、炎症，等等。与头颅 CT 相比，核磁共振（MRI）具有更高的软组织分辨率，能够从各个层面显示脑部结构，不受骨骼或金属的影响。 国内外研究资料显示，在核磁共振（MRI）应用于癫痫临床检验诊断以后，才发现颞叶癫痫的病因与海马萎缩、海马硬化，有了这样的检测手段后，耐药性的癫痫采用手术治疗得到了根本治疗。 癫痫诊断弥散张量成像(Diffusion Tensor Imaging DTI) 弥散张量成像（DTI）技术是一种新兴的检测技术，主要是通过水分子在脑部组织的活动情况从而了解神经微结构的改变情况，目前广泛用于大脑相关疾病（脑梗、脑部肿瘤、多发硬化）的临床诊断和研究。 发作自动检测诊断中的机器学习偏侧性诊断2.2 人工智能参与癫痫诊断 癫痫诊断发作自动检测主要成像方法：EEG精 准 度：90%+主 要 算 法：SVM、k-NN等应 用 范 围：儿童至成年发作检测 癫痫诊断诊断中的机器学习主要成像方法：MRI、DTI、多模态等精 准 度：80%-90%主 要 算 法：ELM等多层感知器、k-NN、PNN等应 用 范 围：颞叶癫痫，活动性癫痫标记，病灶定 位，手术辅助等 癫痫诊断偏侧性诊断主要成像方法：MRI、PET、CT、DTI、DWI(扩散 加权成像)精 准 度：70%+主 要 算 法：SVM、PNN、逻辑回