肿瘤光声谱的机器学习与识别研究.pdf
2017年2月,我国国家癌症中心发布最新数据,全国每天约l万人确诊癌症,情况严峻.并且由于我国恶性肿瘤的早期检出率仅为20％,死亡率高达63.1％,与欧美国家相去甚远.传统的超声医学诊断技术如B超、MRI、CT均无法反应检测组织的化学成分,"金标准"活检病理有创伤、耗时长、取材局部,均不够理想,早期检测技术十分急缺.本文初步尝试了基于机器学习的方法对肿瘤光声谱数据进行分类识别。
作者：徐僖禧 黄盛松 陈盈娜 王学鼎 吴登龙 程茜
作者单位：同济大学物理科学与工程学院声学研究所,上海200092同济大学附属同济医院泌尿外科,上海200065同济大学物理科学与工程学院声学研究所,上海200092;美国密歇根大学生物工程系,美国MI48109
母体文献：2018年全国声学大会论文集
会议名称：2018年全国声学大会
会议时间：2018年11月1日
会议地点：北京
主办单位：中国声学学会
语种：chi
分类号：O4
关键词：恶性肿瘤 光声谱 数据识别 机器学习
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 626.52 KB
- 下载次数:
- 60
-
高速下载
|
|
