基于深度学习的骨肿瘤诊断方法研究

With the great success which deep learing has acceived in image classification, object localization and object detection, the use of deep learning for medical image analysis has become a hot research spot in recent years. Compared with the datasets used in image classification, object localization and object detection, medical image datasets are usually very small. So making full use of medical image datasets and training a good deep learning model for medical diagnosis becomes an important research field. This field is at its starting stage and many important problems remain to be solved. This project aims to do comprehensive research around this field. First, we plan to use deep learning to classify benign and malignant bone tumours, localize them and detect them. We also plan to solve small dataset training problem and realize a full-automatic bone tumour diagnosis method. Second, we plan to develop a multimodal information fusion model to make use of mutiple kinds of medical images like X-ray, CT and MRI images. Finally, we plan to develop an online diagnosis system for bone tumour to give advice to doctors. Our research can help doctors in bone tumour dianosis and reduce the rate of misdiagnosis.

随着深度学习在计算机视觉等领域取得的巨大进展，深度学习在医学诊断上的应用已成为了研究热点。相对于通用的图像分类、目标定位和目标检测等任务使用的数据集，医学图像数据集样本数量相对较少。如何充分利用有限的医学图像样本训练出诊断效果好的深度学习模型，是当前国内外的重要研究课题。本项目围绕深度学习在骨肿瘤诊断中的应用展开深入研究，包括基于深度学习的骨肿瘤图像的良恶性分类方法、定位方法和检测方法。解决深度学习在骨肿瘤小样本数据集上的训练问题，并结合对骨肿瘤图像的多模态信息融合方法，综合利用X光、CT和MRI等图像信息进联合诊断，开发一个骨肿瘤在线诊断系统，验证上述方法的可行性和有效性。本项目的研究成果可辅助医生分析骨肿瘤图像，对于减少骨肿瘤的早期误诊误治具有重要的研究意义和临床应用价值，为深度学习技术在医疗图像方面的应用提供参考。

随着深度学习在计算机视觉等领域取得的巨大进展，深度学习在医学诊断上的应用已成为 了研究热点。相对于通用的图像分类、目标定位和目标检测等任务使用的数据集，医学图像数 据集样本数量相对较少。如何充分利用有限的医学图像样本训练出诊断效果好的深度学习模型 ，是当前国内外的重要研究课题。本项目围绕深度学习在骨肿瘤诊断中的应用展开深入研究， 包括基于深度学习的骨肿瘤图像的良恶性分类方法、定位方法和检测方法。解决深度学习在骨 肿瘤小样本数据集上的训练问题，并结合对骨肿瘤图像的多模态信息融合方法，综合利用X光 、CT和MRI等图像信息进联合诊断，开发一个骨肿瘤在线诊断系统，验证上述方法的可行性和 有效性。本项目的研究成果可辅助医生分析骨肿瘤图像，对于减少骨肿瘤的早期误诊误治具有 重要的研究意义和临床应用价值，为深度学习技术在医疗图像方面的应用提供参考。