深度学习与医学影像分析课件

深度学习与医学影像分析深度学习与医学影像分析1添加标题文字研究基础研究进展研究设想添加标题文字研究基础2SVM肺癌预测，2005,9Di

Zhao*,

Fast

Solver

for

Interior

Point

Method

of

SVM

Training

by

Parallel

GMRES

and

HSS,

International

Journal

of

Computing,

2014,13(2):116-124.SVM肺癌预测，2005,9DiZhao*,FastS3统计分布拟合的基因分析。2007Di

Zhao*,

Shenghua

Ni,

Parallel

Multi-proposal

and

Multi-chain

Markov

Chain

Monte

Carlo

for

Calculating

P-value

of

Genome-Wide

Association

Studies,

Parallel

Processing

Letters,23(3),2013.

EI,cite=1.统计分布拟合的基因分析。2007DiZhao*,Shen4皮肤癌的最佳治疗规划：2007-2010细胞间的热传导；

采用微分方程模型，全文上千公式；导师：Weizhong

Dai教授；Di

Zhao,

Weizhong

Dai*,

Accurate

Finite

Difference

Schemes

for

Solving

a

3D

Heat

Transfer

Model

in

an

N-Carrier

System

with

Neumann

Boundary

Condition

in

Spherical

Coordinates,

Journal

of

Computational

and

Applied

Mathematics,

2010,(235):850-869.

IF=1.651,

cite=7.

Di

Zhao*,

Jinhang

Yu,

High-efficient

Solving

Tridiagonal

Systems

by

Chunked

Cyclic

Reduction

and

GPU

Shared

Memory,

Journal

of

Supercomputing,

2015,71(2):369-390.

IF=1.532,cite=8;皮肤癌的症状建立了皮肤热传导的模型，用于对激光的优化。皮肤癌的治疗：激光。如何优化激光，达到最大的疗效，最小的损伤？中国医学装备人工智能联盟皮肤病专委会委员，

2018年10月−皮肤癌的最佳治疗规划：2007-2010细胞间的热传导；Di5胰腺癌的发病预测：2010-2012生存期预测生物医学信息分析；

发明了加权贝叶斯模型；

导师：George

Hripcsak教授，

Chunhua

Weng教授；胰腺癌示意图Di

Zhao,

Chunhua

Weng*,

Combining

PubMed

knowledge

and

EHR

data

to

develop

a

weighted

bayesian

network

for

pancreatic

cancer

prediction,Journalof

Biomedical

Informatics,

2011,44(5):859-868.

IF=3.120,

cite=69.David

Elliot

Shaw(born

March

29,1951)isan

American

investor,

computerscientist,

andhedgefund

manager.胰腺癌的发病预测：2010-2012生存期预测胰腺癌示意图D6统计分布拟合的行为分析：2012-2013Di

Zhao*,

High-accuracy

Non-gradient

Optimizer

by

Vectorized

Iterative

Discrete

Approximation

and

Single

GPU

Computing,

International

JournalofHigh

Performance

Computing

andNetworking,2015,8(4):301-314.EI,

cite=3;Di

Zhao*,

High-accuracy

Optimization

by

Parallel

Iterative

Discrete

Approximation

and

GPU

Cluster

Computing,

Journal

of

Software,

2014,9(9):2366-2377.统计分布拟合的行为分析：2012-2013DiZhao*,7心脏MRI影像分析：2014核磁成像示意图FFT；GRAPPA；SPIRiT;深度学习；核磁成像算法SPIRiT成像算法Di

Zhao*,

Mobile

GPU

Computing

Based

Filter

Bank

Convolution

for

Three-dimensional

WaveletTransform,

International

Journal

of

Mobile

ComputingandMultimedia

Communications,2016,7(2):22-35.Tiechui

Yao,

Li

Xiao,

Di

Zhao*,

Yuzhong

Sun,

GPU

Computing

based

Fast

DiscreteWaveletTransform

for

l1-regularized

SPIRiT

Reconstruction,

ImagingScience

Journal,2018;IF=0.366;心脏MRI影像分析：2014核磁成像示意图核磁成像算法SPI8添加标题文字研究基础研究进展研究设想添加标题文字研究基础9研究意义：阿尔茨海默病预测老龄化现状北京的人口老龄化问题变得日益严重从北京市十四届人大三次会议获悉，2015年全市老年人口已超过300万，而且每天新增400位老人到2030年，北京市常住老年人口预计将超过500万，占总人口约30%研究重要性老年神经退行性疾病是老年人的“四大杀手”之一，主要包括阿尔茨海默病（老年痴呆症），帕金森病等高龄人群中阿尔茨海默病（老年痴呆症）发病率明显增高，80岁以上人群中可达30%阿尔茨海默病是发病率最高(60%)的老年神经退行性疾病研究发现，空气污染（雾霾）显著提高阿尔茨海默病发病率研究意义：阿尔茨海默病预测老龄化现状10阿尔茨海默病（Alzheimer‘s

disease）预测ABC阿尔茨海默病（Alzheimer‘s

disease）

是一种起病隐匿的进行性发展的神经系统退行性疾病。阿尔茨海默病导致脑神经细胞死亡，脑组织缺失。如左图所示，

阿尔茨海默病将导致严重临床上以记忆障碍、失语、失用、失的脑认萎、缩视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征，病因迄今未明。阿尔茨海默病（Alzheimer‘sdisease）预测A11基于MRI图像大数据分析的老年退行性疾病早期预警算法及标示物发现，

北京市自然科学基金，

2016年1月至2019年12月。阿尔茨海默病（Alzheimer’s

disease）预测Cognitionscales

Hippocampus

Volume基于MRI图像大数据分析的老年退行性疾病早期预警算法及标示物12轻度认知障碍智能诊断模型研究，北京市科技计划课题，2017年1月至2019年12月。轻度认知障碍智能诊断模型研究，北京市科技计划课题，2017年13基于弱监督深度学习的阿尔茨海默病的早期诊断算法1、Alexnet算法3、增强Alexnet算法4、增强Alexnet算法2、增强Alexnet算法5、增强Alexnet 准确率比较吕鸿蒙，赵地*，迟学斌，基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断，计算机科学，2017,Z6；基于弱监督深度学习的阿尔茨海默病的早期诊断算法1、Alexn14HCMCI基于迁移学习与FDG-PET/MR显像的的AD预测随机的深度卷积神经网络在PET影像上预训练的神经网络准确率CaffeNet0.80GoleNet0.85AlexNet0.87VGG160.89中国医学影像AI

产学研创新战略联盟委员首都医科大学重点实验室，基于PET

的AD

早期智能诊断模型研究，2017年5月

-

2019年5月；姚铁锤，赵地，迟学斌，基于多GPU计算与卷积神经网络的阿尔茨海默症早期预警研究，HPC

China

2017；入选百度菁英俱乐部；HCMCI基于迁移学习与FDG-PET/MR显像的的AD预测15项目：深度学习辅助肝病诊断深度学习辅助肝硬化分级：Mass-like

configuration;Arterial-phase

hyper-enhancement;Portal

venous

phase

hyper-enhancement;Increaseof

≥1cm

in

diameterwithin

1

year;Tumor

withinthelumenofavein.

AdaptedfromSaleem

Farooqui,et

al.◄

深度学习辅助肝结节检测与良恶性判断：automaticliver

segmentation

and

lesion’s

detection.extracting

imagingfeatures.liver

lesions

classification

between

benign

andmalignant

by

using

thenovel

deep

learningapproaches.国家重点研发计划“乙肝相关终末期肝病”资助（SX2017ZX106047），子课题负责人（110万/1430万），2018年1月至2019年12月项目：深度学习辅助肝病诊断深度学习辅助肝硬化分级：◄深度学16基于深度学习的超声影像分析为了精确确定臂丛神经位置，现在广泛应用超声设备对神经系统进行检测和定位。由于臂丛神经超声图像是识别神经结构和位置的重要来源，因此超声图像识别准确度直接影响注射针头或者留置导管介入，针对介入精度受人为因素影响等问题，提出了条件随机场（Conditional

Random

Field）的SegNet改进模型，识别结果，从图中可以看出模型达到96%以上的训练精度。戴斯系数（Dice

coefficient）中国医学装备协会超声装备技术分会大数据与人工智能专委会副主任委员；柴睿，林岳，颜嵩林，赵丽亚，朱丰，赵地*，王庚*，迟学斌，基于SegNet模型的臂丛神经超声图像分割，计算机工程，已接收；李丽玮，熊鸣，钱林学，赵地*，陈金军*，迟学斌，基于自适应对比度增强和深度CNN的脂肪肝B超影像诊断，计算机应用研究，已接收；陈思文，刘玉江，刘冬，苏晨，赵地*，钱林学*，迟学斌，基于AlexNet模型和自适应对比度增强（ACE）的乳腺结节超声图像的分类，计算机科学，已接收；基于深度学习的超声影像分析为了精确确定臂丛神经位置，现在广17基于深度学习的眼科影像分析中国医药教育协会智能学专业委员眼科学组常务委员颜嵩林，林溢星，赵地*，迟学斌，基于多重迁移学习的糖尿病视网膜病变检测，信息与控制，已投稿；基于深度学习的眼科影像分析中国医药教育协会智能学专业委员眼18基于深度学习的病理影像分析胃癌病理切片与对应label图使用label进行过滤后的病理图像分割后的病理图像张泽中，高敬阳*，吕纲*，赵地*，基于深度学习的胃癌病理图像分类方法，计算机科学，已接收；AlexNet与GoogLeNet融合模型的结构网络模型准确率损失AlexNet99.55%0.017优 化 的GoogLeNet99.70%0.007融合网络模型99.75%0.007AlexNet对胃癌病理图像的诊断准确率网络模型灵敏度特异度AlexNet97.08%99.75%优化的GoogLeNet96.41%99.72%融合网络模型98.37%99.58%三种不同模型的灵敏度和特异度基于深度学习的病理影像分析胃癌病理切片与对应label图使用19基于深度学习的EEG分析分析JiahuiZhang,XiongHan*,

seizure-free

epilepsywith

lesupport

vector

machine

(SVM)-based

outcomeDi

Zhao,

Na

Wang,

Ting

Zhao,

Guinv

He,

Xuerui

Zhu,

Ying

Zh

vetiracetam

therapy,

British

Journal

of

Pharmacology,

2018；Architecture

of

the

prediction

system.Sampleentropyofthebandswitha

significantdifferencebetweenseizure-

free(SF)andnotseizure-free(NSF)

groups.Graphicpresentation(boxplot

diagrams)ofrelativesampleentropy

withineachfrequencybandinchannels

F

P

2

,

F

4

,

C

3

,

a

n

d

F

8

,

w

h

i

c

h

a

r

esignificantlydifferentbetweentheSFand

NSF

patients.Treatment

outcome

prediction

summaryang,

Jiuyan

Han,

Dianling

Huang,

SVM-based

personalized

prediction

model

forDiagram

of

patients

across

the

study

period.The

result

of

prediction

outcome

with

decreaseofsample

size.

Blueline=

trainingset;redline=testset;green

line

=

5-foldcross-validation.基于深度学习的EEG分析分析JiahuiZhang,Xi20基于一维CNN的ECG信号分析……房颤筛查模型：ResNet-34层，学习特征丰富，收敛速度快，准确率高。统计指标敏感度

特异性训练集97.8%94.8%测试集96.3%90.5%

房颤负荷 91.3% 90.2% 一维目标检测网络的设计；一维分类网络的设计；基于一维CNN的ECG信号分析……房颤筛查模型：ResNet21深度学习与医学影像分析课件22添加标题文字研究基础研究进展研究设想添加标题文字研究基础23添加标题文字基于类脑计算（脉冲神经网络）的心率预测尖峰编码器第一部分为尖峰编码器，该部分输入为原始心跳脉冲。尖峰编码器是对原始心跳脉冲进行预处理的一个过程，其力求于捕捉到心跳脉冲的上升沿，并最终以01序列脉冲输出。心率解码器第三部分为心率解码器，其输入是第二部分液态机的输出。心率解码器通过对每一个100ms时间间隔的液态机输出进行分类，对其进行是心跳与否的判断，

最终计算出1min内的心跳次数，得到最终的心率预测功能。添加标题文字基于类脑计算（脉冲神经网络）的心率预测尖峰编码器24谢谢谢谢25深度学习与医学影像分析深度学习与医学影像分析26添加标题文字研究基础研究进展研究设想添加标题文字研究基础27SVM肺癌预测，2005,9Di

Zhao*,

Fast

Solver

for

Interior

Point

Method

of

SVM

Training

by

Parallel

GMRES

and

HSS,

International

Journal

of

Computing,

2014,13(2):116-124.SVM肺癌预测，2005,9DiZhao*,FastS28统计分布拟合的基因分析。2007Di

Zhao*,

Shenghua

Ni,

Parallel

Multi-proposal

and

Multi-chain

Markov

Chain

Monte

Carlo

for

Calculating

P-value

of

Genome-Wide

Association

Studies,

Parallel

Processing

Letters,23(3),2013.

EI,cite=1.统计分布拟合的基因分析。2007DiZhao*,Shen29皮肤癌的最佳治疗规划：2007-2010细胞间的热传导；

采用微分方程模型，全文上千公式；导师：Weizhong

Dai教授；Di

Zhao,

Weizhong

Dai*,

Accurate

Finite

Difference

Schemes

for

Solving

a

3D

Heat

Transfer

Model

in

an

N-Carrier

System

with

Neumann

Boundary

Condition

in

Spherical

Coordinates,

Journal

of

Computational

and

Applied

Mathematics,

2010,(235):850-869.

IF=1.651,

cite=7.

Di

Zhao*,

Jinhang

Yu,

High-efficient

Solving

Tridiagonal

Systems

by

Chunked

Cyclic

Reduction

and

GPU

Shared

Memory,

Journal

of

Supercomputing,

2015,71(2):369-390.

IF=1.532,cite=8;皮肤癌的症状建立了皮肤热传导的模型，用于对激光的优化。皮肤癌的治疗：激光。如何优化激光，达到最大的疗效，最小的损伤？中国医学装备人工智能联盟皮肤病专委会委员，

2018年10月−皮肤癌的最佳治疗规划：2007-2010细胞间的热传导；Di30胰腺癌的发病预测：2010-2012生存期预测生物医学信息分析；

发明了加权贝叶斯模型；

导师：George

Hripcsak教授，

Chunhua

Weng教授；胰腺癌示意图Di

Zhao,

Chunhua

Weng*,

Combining

PubMed

knowledge

and

EHR

data

to

develop

a

weighted

bayesian

network

for

pancreatic

cancer

prediction,Journalof

Biomedical

Informatics,

2011,44(5):859-868.

IF=3.120,

cite=69.David

Elliot

Shaw(born

March

29,1951)isan

American

investor,

computerscientist,

andhedgefund

manager.胰腺癌的发病预测：2010-2012生存期预测胰腺癌示意图D31统计分布拟合的行为分析：2012-2013Di

Zhao*,

High-accuracy

Non-gradient

Optimizer

by

Vectorized

Iterative

Discrete

Approximation

and

Single

GPU

Computing,

International

JournalofHigh

Performance

Computing

andNetworking,2015,8(4):301-314.EI,

cite=3;Di

Zhao*,

High-accuracy

Optimization

by

Parallel

Iterative

Discrete

Approximation

and

GPU

Cluster

Computing,

Journal

of

Software,

2014,9(9):2366-2377.统计分布拟合的行为分析：2012-2013DiZhao*,32心脏MRI影像分析：2014核磁成像示意图FFT；GRAPPA；SPIRiT;深度学习；核磁成像算法SPIRiT成像算法Di

Zhao*,

Mobile

GPU

Computing

Based

Filter

Bank

Convolution

for

Three-dimensional

WaveletTransform,

International

Journal

of

Mobile

ComputingandMultimedia

Communications,2016,7(2):22-35.Tiechui

Yao,

Li

Xiao,

Di

Zhao*,

Yuzhong

Sun,

GPU

Computing

based

Fast

DiscreteWaveletTransform

for

l1-regularized

SPIRiT

Reconstruction,

ImagingScience

Journal,2018;IF=0.366;心脏MRI影像分析：2014核磁成像示意图核磁成像算法SPI33添加标题文字研究基础研究进展研究设想添加标题文字研究基础34研究意义：阿尔茨海默病预测老龄化现状北京的人口老龄化问题变得日益严重从北京市十四届人大三次会议获悉，2015年全市老年人口已超过300万，而且每天新增400位老人到2030年，北京市常住老年人口预计将超过500万，占总人口约30%研究重要性老年神经退行性疾病是老年人的“四大杀手”之一，主要包括阿尔茨海默病（老年痴呆症），帕金森病等高龄人群中阿尔茨海默病（老年痴呆症）发病率明显增高，80岁以上人群中可达30%阿尔茨海默病是发病率最高(60%)的老年神经退行性疾病研究发现，空气污染（雾霾）显著提高阿尔茨海默病发病率研究意义：阿尔茨海默病预测老龄化现状35阿尔茨海默病（Alzheimer‘s

disease）预测ABC阿尔茨海默病（Alzheimer‘s

disease）

是一种起病隐匿的进行性发展的神经系统退行性疾病。阿尔茨海默病导致脑神经细胞死亡，脑组织缺失。如左图所示，

阿尔茨海默病将导致严重临床上以记忆障碍、失语、失用、失的脑认萎、缩视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征，病因迄今未明。阿尔茨海默病（Alzheimer‘sdisease）预测A36基于MRI图像大数据分析的老年退行性疾病早期预警算法及标示物发现，

北京市自然科学基金，

2016年1月至2019年12月。阿尔茨海默病（Alzheimer’s

disease）预测Cognitionscales

Hippocampus

Volume基于MRI图像大数据分析的老年退行性疾病早期预警算法及标示物37轻度认知障碍智能诊断模型研究，北京市科技计划课题，2017年1月至2019年12月。轻度认知障碍智能诊断模型研究，北京市科技计划课题，2017年38基于弱监督深度学习的阿尔茨海默病的早期诊断算法1、Alexnet算法3、增强Alexnet算法4、增强Alexnet算法2、增强Alexnet算法5、增强Alexnet 准确率比较吕鸿蒙，赵地*，迟学斌，基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断，计算机科学，2017,Z6；基于弱监督深度学习的阿尔茨海默病的早期诊断算法1、Alexn39HCMCI基于迁移学习与FDG-PET/MR显像的的AD预测随机的深度卷积神经网络在PET影像上预训练的神经网络准确率CaffeNet0.80GoleNet0.85AlexNet0.87VGG160.89中国医学影像AI

产学研创新战略联盟委员首都医科大学重点实验室，基于PET

的AD

早期智能诊断模型研究，2017年5月

-

2019年5月；姚铁锤，赵地，迟学斌，基于多GPU计算与卷积神经网络的阿尔茨海默症早期预警研究，HPC

China

2017；入选百度菁英俱乐部；HCMCI基于迁移学习与FDG-PET/MR显像的的AD预测40项目：深度学习辅助肝病诊断深度学习辅助肝硬化分级：Mass-like

configuration;Arterial-phase

hyper-enhancement;Portal

venous

phase

hyper-enhancement;Increaseof

≥1cm

in

diameterwithin

1

year;Tumor

withinthelumenofavein.

AdaptedfromSaleem

Farooqui,et

al.◄

深度学习辅助肝结节检测与良恶性判断：automaticliver

segmentation

and

lesion’s

detection.extracting

imagingfeatures.liver

lesions

classification

between

benign

andmalignant

by

using

thenovel

deep

learningapproaches.国家重点研发计划“乙肝相关终末期肝病”资助（SX2017ZX106047），子课题负责人（110万/1430万），2018年1月至2019年12月项目：深度学习辅助肝病诊断深度学习辅助肝硬化分级：◄深度学41基于深度学习的超声影像分析为了精确确定臂丛神经位置，现在广泛应用超声设备对神经系统进行检测和定位。由于臂丛神经超声图像是识别神经结构和位置的重要来源，因此超声图像识别准确度直接影响注射针头或者留置导管介入，针对介入精度受人为因素影响等问题，提出了条件随机场（Conditional

Random

Field）的SegNet改进模型，识别结果，从图中可以看出模型达到96%以上的训练精度。戴斯系数（Dice

coefficient）中国医学装备协会超声装备技术分会大数据与人工智能专委会副主任委员；柴睿，林岳，颜嵩林，赵丽亚，朱丰，赵地*，王庚*，迟学斌，基于SegNet模型的臂丛神经超声图像分割，计算机工程，已接收；李丽玮，熊鸣，钱林学，赵地*，陈金军*，迟学斌，基于自适应对比度增强和深度CNN的脂肪肝B超影像诊断，计算机应用研究，已接收；陈思文，刘玉江，刘冬，苏晨，赵地*，钱林学*，迟学斌，基于AlexNet模型和自适应对比度增强（ACE）的乳腺结节超声图像的分类，计算机科学，已接收；基于深度学习的超声影像分析为了精确确定臂丛神经位置，现在广42基于深度学习的眼科影像分析中国医药教育协会智能学专业委员眼科学组常务委员颜嵩林，林溢星，赵地*，迟学斌，基于多重迁移学习的糖尿病视网膜病变检测，信息与控制，已投稿；基于深度学习的眼科影像分析中国医药教育协会智能学专业委员眼43基于深度学习的病理影像分析胃癌病理切片与对应label图使用label进行过滤后的病理图像分割后的病理图像张泽中，高敬阳*，吕纲*，赵地*，基于深度学习的胃癌病理图像分类方法，计算机科学，已接收；AlexNet与GoogLeNet融合模型的结构网络模型准确率损失AlexNet99.55%0.017优 化 的GoogLeNet99.70%0.007融合网络模型99.75%0.007AlexNet对胃癌病理图像的诊断准确率网络模型灵敏度特异度AlexNet97.08%99.75%优化的GoogLeNet96.41%99.72%融合网络模型98.37%99.58%三种不同模型的灵敏度和特异度基于深度学习的病理影像分析胃癌病理切片与对应label图使用44基于深度学习的EEG分析分析JiahuiZhang,XiongHan*,

seizure-free

epilepsywith

lesupport

vector

machine

(SVM)-based

outcomeDi

Zhao,

Na

Wang,