基于人工智能的肺癌辅助诊断系统的设计与实现

经调查研究得知，近年来在体检中发现肺癌的人数逐年增多，但是选择住院 治疗的人数却比较少，大约75%的患者在确诊时已经是肺癌中晚期，其治愈几率 大大降低。因此，尽早诊断出肺癌对于降低因肺癌造成的死亡率具有重要意义。 另一方面，面对大量的患者，临床医生有着相当大的工作量，需要先筛选肺癌患 者，然后根据自身经验对患者进行相应的治疗。然而在我国，培养一位经验丰富 的临床医生所需要花费的时间周期较长。综上所述，在医学领域，研究运用人工 智能技术对医学数据分析、辅助临床医生进行肺癌筛选诊断和治疗，具有重要理 论意义和实际应用价值。 本文在分析了目前深度学习方法之后发现，国内外研究者主要针对肺部CT 图像进行肺癌预测，忽略了放射科医生给出的CT图像描述和检验报告，尤其是 检验报告，这样会丢失部分信息。考虑上述问题，本文设计了一种新颖的文本和 图像的多模态学习的肺癌辅助诊断方案。该方案与目前已有的方法不同，是基于 CT图像、放射科医生给出的CT图像描述、检验报告三部分进行多模态融合。 其主要实现要点是将图像部分先预处理，再利用Resnet网络建模;将CT图像描 述部分利用自然语言处理技术进行分词、预训