详情

基于跨模态融合数据的卵巢癌病灶分割及诊断

申报人:朱程广 申报日期:2022-02-25

基本情况

第二十五期“上海交通大学大学生创新实践计划”项目
基于跨模态融合数据的卵巢癌病灶分割及诊断
创新训练项目
工学
生物医学工程类
创新类
电子信息与电气工程学院
朱程广
指导教师
登录状态下查看

朱程广,上海交通大学人工智能研究院博士后,2021年6月入站至今。

[1] 2021年08月依托项目"病灶环境三维重建和力感知在内窥镜手术中的关键技术研究"获得2021年上海市博士后创新创业大赛优胜奖;

[2] 2021年12月依托项目“基于MFPEN-Bayes的空间非合作目标相对状态跟踪算法研究 ”获得之江实验室国际青年人才基金资助;

[3] 2021年12月获得上海市“超级博士后”资助计划;

[4] 2022年01月“科创投”杯海聚英才全球创新创业大赛优胜奖;

团队提供一下支持:

[1]提供一对一项目指导,并撰写发表文章;

[2]提供深度学习服务器用于模型训练、测试;

选题背景及意义   
  
       卵巢癌是妇科常见且死亡率最高的恶性肿瘤,严重威胁着妇女的健康和生命安全。卵巢癌起病隐匿,缺乏客观的早期诊断指标,70%的患者初诊时已为晚期。尽管近年来手术技术有所提升、靶向治疗药物快速发展,但卵巢癌患者的五年生存率一直未获改善。目前卵巢癌的规范化治疗应严格遵循NCCN 指南,然而指南在新辅助化疗患者的选择、手术方式的决策、手术切除范围的界定等方面均无明确的定论,仅凭妇科医生的经验性治疗,往往很难做出正确的判断和选择。

        近年来,PET-CT 的出现是医学影像学的又一次革命,受到了医学界的公认和广泛关注,堪称“现代医学高科技之冠”, 在。 PET-CT 将正电子发射计算机断层显像 (Positron Emission Tomography,PET) 与电子计算机断层扫描(Computed Tomography, CT)完美融为一体,由PET 提供病灶详尽的功能与代谢等分子信息,而CT 提供病灶的精确解剖定位,一次显像可获得全身各方位的断层图像, 具有灵敏、准确、特异及定位精确等特点,可一目了然的了解全身整体状况,达到早期发现肿瘤病灶和诊断疾病的目的。

       随着大数据时代到来,为解决数字化医学影像数量增长而增加的影像科医师阅片主观性等问题,多种医学图像分析工具被开发出来,其中AI 引导下的影像组学备受关注。影像组学通过提取图像中的大量特征量化肿瘤,为探索卵巢癌诊疗提供新思路。
研究内容

1)基于术前PET-CT 预测患者FIGO 分期、病理类型、以及病理分级
     评价指标:Dice, IoU,FIGO 分期、病理类型、以及病理分级
2)通过术前PET-CT 预测卵巢癌患者腹膜转移/大网膜转移
     评价指标:腹膜转移/大网膜转移情况

选题成员

0

指导教师

序号 教师姓名 电子邮箱 所属学院
1 朱程广 登录状态下查看 电子信息与电气工程学院 第一指导教师

选题附件

结束