2024年河南省科学技术奖医学类-4：AI医工交叉相关课题

正文

请到「今天看啥」查看全文

1.三等奖

1.1 直方图特征提取技术在头颈部肿瘤精准影像诊断中的创新应用

（1）团队

张勇，李淑健，白洁，宋承汝，鲍建峰，张赞霞，汪卫建

张勇，医学博士、教授、主任医师、研究生导师。河南省脑功能开发与应用工程研究中心主任（2021）、河南省影像智能研究医学重点实验室主任（2020）、郑州市骨与关节影像诊断重点实验室副主任（2014）、开封市脑功能与神经肌肉影像重点实验室学术委员会主任（2021）。

（2）单位

郑州大学第一附属医院

（3）课题介绍

直方图特征 提取技术在头颈部肿瘤精准影像诊断中的创新应用是现代医疗影像学领域的一个重要研究方向。这项技术主要通过分析医学影像（如CT、MRI、超声等） 中的像素或体素值分布，提取反映肿瘤组织特性的重要信息，为医生提供辅助诊断。 直方图特征 也可以归纳到组学特征中，相对深度学习算法来说是一种传统，但是较为直观、可解释的特征提取方式。 下面详细介绍这一研究课题所涉及的技术：

（ 1）医学影像预处理

在进行特征提取之前，通常需要对原始医学影像数据进行预处理，包括去噪、灰度化、标准化等步骤，以优化图像质量，减少误差，确保后续分析的准确性。

（2）直方图特征提取

1）灰度直方图

最基础的形式，统计不同灰度值出现的频率，可以反映肿瘤组织的密度分布情况。

2）纹理直方图

除了简单的灰度值之外，还考虑了像素间的空间关系，如使用灰度共生矩阵(GLCM)分析像素对之间的相关性和均匀性，可以揭示肿瘤内结构的复杂性和异质性。

3）三维直方图

在三维空间中对肿瘤进行特征提取，利用体素之间的关系构建更为复杂的统计模型，提供更加丰富和全面的信息。

（3）特征选择与优化

从直方图中提取的特征可能非常多，需要通过特征选择算法（如递归特征消除、主成分分析PCA等）筛选出对于诊断来说最有价值的特征，减少数据维度，避免过拟合现象，提高模型效率和准确性。

（4）机器学习与深度学习

利用机器学习算法（如支持向量机SVM、随机森林等）或深度学习网络（如卷积神经网络CNN、循环神经网络RNN等）对提取出来的特征进行学习和分析，从而实现对头颈部肿瘤的自动化诊断、分类和预测。

（4）研究介绍

张老师在基于脑部影像的尼古丁、酒精依赖、成瘾这一块研究比较多。

1.2 基于深度学习的颅脑疾病智能诊断算法关键技术及应用

（1）团队

姚安会，赵恺，王帅，孙国臣，陈盛博，吴东东，王本瀚

姚老师介绍

• 解放军第九八八医院神经外科科室副主任 副主任医师；

• 第四军医大学本科、硕士、博士；解放军总医院博士后；

• 中国研究型医院学会脑血管病学专业委员会 委员；

• 中国研究型医院学会脑血管病学青年委员会 常委及秘书长；

请到「今天看啥」查看全文