nodule醫學中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

使用卷積神經網路對具有邊緣顯影的腦膿瘍、神經膠質母細胞瘤、以及腦部轉移腫瘤之磁共振影像進行診斷分類

為了解決nodule醫學中文的問題，作者李文 這樣論述：

膠質母細胞瘤(glioblastoma, GBM) 、腦膿瘍(abscess)、腦部轉移腫瘤(brain metastasis)都有可能破壞血腦屏障(blood brain barrier)，因此在注射顯影劑後的T1權重影像(contrast-enhanced T1-weighted imaging, CE-T1WI)中病灶周圍會呈現類似的邊緣顯影(rim enhancement)特徵，透過手術前的醫學影像分辨診斷不同的邊緣顯影病灶將有助於即時的治療。本研究收取66位具有病灶邊緣顯影特徵的病患，其中包括21名GBM病患，28名腦膿瘍病患，和17名腦部轉移腫瘤的病患。每位病患皆於1.5Tesl

a的磁共振造影儀器收取未注射對比劑的磁化率權重影像(susceptibility-weighted imaging, SWI)和CE-T1WI。方法上利用卷積神經網路中的二維SegNet架構，對GBM、腦膿瘍、以及腦部轉移腫瘤進行病灶的偵測與分類，並使用CE-T1WI與CE-T1WI搭配SWI兩種方式作為輸入影像。在進行訓練前，會將兩組影像先進行對位，並將信號進行正規化(normalization)，再對影像進行資料增量，將訓練集中的GBM、腦膿瘍、腦部轉移腫瘤、以及不含病灶切面的比例調整為2：2：2：1。在訓練的階段中，將每一張二維影像視為獨立的資料輸入，以手動分割的病灶範圍作為預期結果進行

監督式訓練，訓練完成後將單一病患的所有影像逐張測試，並統計所有像素的判斷結果以決定分類。最後使用四倍交叉驗證評估模型分類的效果，且透過六次隨機分組來提高交叉驗證的可靠性。實驗結果顯示CE-T1WI model對病灶檢測的平均精確度、靈敏度、和Dice係數分別為0.87、0.53、0.60，GBM、腦膿瘍、和腦部轉移腫瘤的平均分類正確率為0.61、0.81、0.38，整體的平均分類正確率為0.64。而使用CE-T1WI+SWI model時，三種指標分別為0.88、0.55、0.62，三類病灶的平均分類正確率為0.69、0.81、0.45，整體的平均分類正確率達到0.68。在實驗結果可以發現，兩

種model在像素分辨的尺度上分割效果相近，但同時輸入兩種影像的CE-T1WI+SWI model能獲得稍佳的分類結果，特別是對於腦部轉移腫瘤的分類正確率明顯比CE-T1WI model更好，可以證明SWI有助於具有邊緣顯影的病灶進行分類。

利用對抗生成網路及卷積神經網路建立一套透過電腦斷層掃瞄影像判斷肺栓塞之預警系統

為了解決nodule醫學中文的問題，作者楊家鋐 這樣論述：

本研究目的為利用深度學習透過一般的電腦斷層攝影(CT)影像建立一套適合臨床使用的肺栓塞預警系統。在現今對於肺栓塞(PE)病人的電腦檢測方法中，均需使用到電腦斷層肺血管攝影(CTPA)影像作為判斷及辨識病徵的資料，再利用深度學習的方法對於CTPA影像中的病灶區域做語意分割。因此本系統希望能透過CT影像提前發現並預警可能的PE病患。本系統將分為兩個階段，第一個階段為CT影像的分類，本階段將利用卷積神經網路對於胸腔的電腦斷層攝影影像進行分類，挑選出含有疾病的截面並再從中挑選出可能為PE的影像，希望透過我們設計的網路大幅的提升隱藏之PE病患的被發現機率，並減少PE病患等待檢查的時間，增加醫院影像科影

像處理效率。透過這個分類模型，我們希望可以在醫院大量的檢查影像中，優先警示可能含有疾病的病患資料，使得這些影像被優先判讀及處理。第二個階段為透過深度學習模型模擬CTPA影像，用於PE病人病徵的識別，提供醫生除了第一階段之分類網路的結果外另一個判斷PE病患的參考依據。本研究分別於兩個階段使用兩種不同的深度學習網路架構。在CT影像分類上，我們使用空洞卷積及注意力機制，搭配多重醫療數位影像傳輸協定(DICOM)格式影像窗值輸入，加強深度學習網路對於肺栓塞的辨識能力，使得臨床上不須再進行CTPA攝影即可進行PE的辨識。而第二階段之模擬CTPA影像生成系統則使用生成對抗網路，在CT影像中強化肺部血管之特

徵，加強影像的參考價值，提供醫院判斷PE病患的依據。我們使用來自成功大學醫院的53名病人的CT影像作為分類網路的訓練資料，在模擬CTPA影像的任務上我們使用同樣來自成功大學醫院的22名病人的CT影像及對應之CTPA影像作為訓練資料，並使用兩組生成對抗網路進行生成。本研究期望能對於肺栓塞臨床診斷方式提出一個新的方案，在繁複的篩檢流程中，透過深度學習網路的輔助，並檢視生成的模擬CTPA影像，使得醫生能評估病患是否需要進行CTPA的詳細檢測，提升檢測肺栓塞的速度及大幅減少未檢出的病患。