请点击上面“思影科技”四个字,选择关注我们,思影科技专注于脑影像数据处理,涵盖(影像组学,fMRI,结构像,白质高信号分析,PET,波谱,DWI,DTI-ALPS,QSM,ASL,氧摄取分数(OEF)与CMRO2,BOLD-CVR,灵长类动物脑影像,大小鼠脑影像,菌群,EEG/ERP,脑磁图,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论,也欢迎参加思影科技的课程,可添加微信号siyingyxf18983979082进行咨询。(文末点击浏览)
      医学影像(Radiology)+组学(Omics)构成影像组学(Radiomics),其强调的深层次含义是指从影像(CT、MRI、PET等)中高通量地提取大量影像信息,实现肿瘤分割、特征提取与模型建立,凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。近年来,影像组学已成临床科研热点之一,针对于此,思影科技推出影像组学(Radiomics)数据处理业务。如感兴趣请联系杨晓飞siyingyxf18983979082(微信号)进行咨询,电话:18580429226
一、数据预处理
      数据质量检查:检查图像形变、缺损、伪影;检查图像参数等。
      数据预处理:体素重采样,体素强度离散化,图像归一化,图像灰度值标准化处理等。
二、图像分割
      手工绘制或者利用卷积神经网络(CNN),U-NET等神经网络自动分割ROI/VOI 区域,确定肿瘤所在位置。
图示:多模态MRI胶质瘤亚区分割视图
三、特征提取
1、特征提取
(1)语义特征:位置、尺寸等
(2)非语义特征:形状特征、描述各体素信号强度值分布情况的一阶特征、描述各体素之间关系的二阶特征(如:纹理特征)以及滤波获取的高阶特征。
2、特征选择
(1)相关法。计算每个特征与量表的相关性(如皮尔逊相关),保留相关值高的特征。   
(2)参数检验法。对不同组别人群的特征做假设检验(比如对两组人群的特征做双样本T检验),保留通过假设检验的特征。   
(3)主成分分析(PCA)法。将所有特征分解成一系列主成分,保留排名靠前的主成分作为特征。   
(4)递归特征消除法。循序渐进地删除影响最小的特征,直至保留特定数目的最重要的特征为止。    
(5)稀疏特征表示。可以选择使用LASSO回归(及其变种)、低秩(Low-Rank)等特征选择/表示方法。
四、机器学习建模
1.有监督学习模型:逻辑回归(logistic)、支持向量机(SVM)、神经网络、朴素贝叶斯(NB)、决策树(DT)以及基于决策树基础的集成树算法(RF、GBDT、XGboost)等。
2.无监督学习模型:K-means聚类,密度聚类,层次聚类等
五、深度学习建模
1、判别式深度学习算法:卷积神经网络(CNN)、堆叠自动编码器、多层感知器等。
2、生成式深度学习算法:生成对抗网络(GAN)、变分自动编码器、深度强化学习(RL)和深度信念网络(DBN)等。
六、结果汇报&可视化
1.结果汇报
(1)对于分类模型,汇报准确率(Accuracy)、敏感性(Sensitivity)、特异性(Specificity)、ROC曲线下面积(AUC)等精度指标;
(2)对于回归模型,可以汇报相关值、MSE、MAE等精度指标;
(3)置换检验的结果,如p值。
2.可视化
(1)对于分类模型,可绘制ROC曲线图;   
(2)对于回归模型,可绘制相关图;   
(3)对于模型训练过程中发现的贡献较大的特征,可绘制点线图、矩阵图、圈状图等等。
七、定制化分析
阅读了一篇经典论文,是否期望把先进的方法组合应用在自己的研究?思影科技可以为您提供定制化分析服务。
   (1)分析方法可定制。思影科技可根据您提供的模板文献,基于您的实验数据,实现文献中使用的数据分析方法。此外,未列出的分析方法,只要在思影科技的能力范围内,尽力实现您的想法。
(2)分析代码可定制。在没有现有的软件适用于您的数据分析需求时,思影科技会与您协商,通过编写代码实现您的想法,并提供代码的完整实现。
微信扫码或者长按选择识别关注思影
非常感谢转发支持与推荐
欢迎浏览思影的数据处理业务及课程介绍。(请直接点击下文文字即可浏览思影科技所有的课程,欢迎添加微信号siyingyxf18983979082进行咨询,所有课程均开放报名,报名后我们会第一时间联系,并保留已报名学员名额):
数据处理业务介绍:
数据分析课程:
重庆:
南京:
北京:
上海:
脑电及红外、眼动:
北京:
南京:
招聘及产品:
思影科技招聘数据处理工程师 (上海,北京,南京,重庆)
此处给个“在看”及“点赞”,让更多朋友关注
继续阅读
阅读原文