导读:本文包含了肿瘤识别论文开题报告文献综述及选题提纲参考文献，主要关键词:专家号,预约挂号,肿瘤医院,医院制度,排队挂号,网上预约,医保患者,人脸识别系统,初诊患者,黄牛
肿瘤识别论文文献综述
陶婷婷,王广兆,王懿辉[1]（2019）在《打击号贩子 确保现场号源留在患者手中》一文中研究指出患者或代挂号人持身份证“刷脸”认证，如果“证脸不符”将无法预约早高峰现场专家号。近日，复旦大学附属肿瘤医院在全国率先推出专家号预约人脸识别系统，强化早高峰时段热门专家（特需）现场号源的管理；并通过细分排队挂号队伍、提前预约号源挂号时间、强化医院制度建设等(本文来源于《上海科技报》期刊2019-11-29）
李晨琰[2]（2019）在《“刷脸”一周来，已有864名患者预约到专家号》一文中研究指出本报讯 （李晨琰）患者或代挂号人持身份证“刷脸”认证，如果“证脸不符”将无法预约早高峰现场专家号。昨天，从复旦大学附属肿瘤医院获悉，院方从今年11月18日推出专家号预约人脸识别系统，将打击“黄牛”关口前移，确保现场号源留在患者手中。在肿瘤(本文来源于《文汇报》期刊2019-11-26）
李芬,马金龙,罗洋,秦唯,王笑笑[3]（2019）在《腹部肿瘤外科潜在危重症快速识别工具的研制与检验》一文中研究指出研制并检验能够识别腹部肿瘤外科潜在危重症患者的工具,以帮助临床对该类患者进行快速筛查和早期干预;经专家小组讨论制定识别工具初表,于2017年10月至2018年11月期间,分别对60名和80名腹部肿瘤外科患者进行预实验和正式实验,收集患者的识别工具评分和MEWS评分,对识别工具进行信效度和预测效能的检验。结果表明研究制定的腹部肿瘤外科潜在危重症识别工具具有良好的评定者间信度(ICC=0.969)、内部一致性信度(Cronbach’S Alpha=0.701)、内容效度(平均CVR=0.857)、结构效度(KMO=0.642,因子的共同性皆高于0.7)和效标效度(r=0.828,p<0.001)。ROC曲线显示最佳截断值为2.5分所对应的Youden指数=0.36,敏感度为61.9%,特异度为74.5%,提示评分工具≥3时,能够提示患者MEWS评分可能高于3分,ROC曲线下面积为0.738(p<0.001)。本快速识别工具适合临床护士对患者进行快速、初步的筛查,识别处潜在危重症患者,以便给与进一步的处理,保证患者安全。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
姚赞原,骆卉妍,徐国良,李超峰,余广彪[4]（2019）在《上消化道肿瘤诊断识别率超九成》一文中研究指出近日，从中山大学肿瘤防治中心获悉，由该院徐瑞华教授带领的数十位专家组成的团队成功自主研发出具有完全自主知识产权的上消化道癌内镜AI辅助诊断系统（GRAIDS）。经临床实践数据验证，对上消化道肿瘤的诊断敏感性高达90%以上。相关研究成果在线发表于肿瘤学(本文来源于《广东科技报》期刊2019-10-15）
纪春阳,徐秀林,王燕[5]（2019）在《深度神经网络技术在肿瘤细胞识别中的应用》一文中研究指出深度神经网络(DNN)作为人工智能最主要的分支,是基于模仿人脑思考方式的计算机程序,旨在模拟人类大脑处理信息的方式对事物进行分类或预测。DNN的通用性表现为:自我学习、自适应、联想记忆,即使没有先验背景也可以执行各种任务。近年来DNN受到国内外医学界的广泛重视,尤其在精准分类肿瘤细胞数字图像的自动识别方面已经取得了重大突破,DNN通过强化学习并因此获得经验,使医生能够向患者提供准确的诊疗方案。本文主要综述了DNN技术在肿瘤细胞识别的最新研究进展,详细阐述卷积神经网络、深度信念网络、生成对抗网络、深度残差网络的原理及其应用实例,比较基于不同模型的神经网络,对各类模型在应用层面上的精准度和性能进行分析,提出DNN在肿瘤细胞识别领域中面临的问题及未来的发展趋势。(本文来源于《中国医学物理学杂志》期刊2019年09期）
甘岚,郭子涵,王瑶[6]（2019）在《基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法》一文中研究指出使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集;然后选取其中一部分进行RT处理达到增强效果。此外,采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明,所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别,在测试集中最高准确率为99.50%,平均准确率为96.69%,癌变、正常和增生叁个类别的F1值分别为0.980、0.954和0.958,表明该方法较好地实现了胃肿瘤细胞图像的识别。(本文来源于《计算机应用》期刊2019年10期）
柳晨[7]（2019）在《快速识别与处理胸部肿瘤经皮穿刺相关急重症》一文中研究指出肺穿刺活检技术在临床上应用越来越广泛广泛,但相关并发症发生率也有所增高,其所造成的致使致残等其他相关急重症并发症的发生率远高于其他脏器活检。肺穿刺活检技术所致的并发症分为轻、中、重度叁种级别,轻度的有皮下血肿、轻微胸膜反应等;(本文来源于《中华介入放射学电子杂志》期刊2019年03期）
聂雄,陈华,伍思霖[8]（2019）在《基于灰度共生矩阵和BP神经网络的乳腺肿瘤识别》一文中研究指出乳腺肿瘤是女性病发率极高的一种肿瘤疾病,但也是一种可以通过早期确诊、提早治疗来降低病死率的一种疾病。提出灰度共生矩阵结合BP神经网络的方法,提高乳腺肿瘤的识别率。首先将红外乳腺图像进行预处理,突出病灶及血管的纹理,利用灰度共生矩阵提取乳腺等灰度曲线图像的纹理特征,然后通过BP神经网络对样本数据训练,得到的BP神经网络模型能有效地将病变区域识别出来。实验结果表明,该方法对乳腺肿瘤病变区域具有较好的识别效果。(本文来源于《电子技术应用》期刊2019年07期）
刘亚琦[9]（2019）在《核极限学习机的改进及其在肿瘤识别中的应用》一文中研究指出极限学习机(Extreme Learning Machine,ELM)实质上是一种改进的单隐含层的前馈神经网络,其中输入层与隐含层之间的参数是随机生成的,隐含层与输出层之间的连接权值是通过最小二乘法计算获得。ELM具有学习速度快、泛化性能好等优点。近年来,ELM已广泛应用于实际并取得了良好的效果。然而实际中,ELM也有一些缺点,诸如随机参数导致的结果不稳定、结构较浅导致的较差的特征处理功能等。核极限学习机(Kernel Extreme Learning Machine,KELM)是对ELM的一种改进模型,将支持向量机中的核函数理论引入ELM中,使得ELM的泛化性能得到提高、稳定性得以保持。与ELM相同,KELM在回归、预测等方面都取得了较大进展。一方面,KELM在训练与分类过程中都利用了矩阵运算,这无疑增加了时间复杂度;另一方面,很多数据集例如自然图像等是一种冗余度高的图像,但KELM的结构较浅,不足以对这部分数据有较好的特征提取。因此本文对KELM展开研究,并进行改进,将其应用于模式识别,构建一套图像识别系统。本文的主要工作如下:首先,提出了一种基于正规方程式的核极限学习机(KELM Based on Normal Equation,NE-KELM),此算法将正规方程式理论应用于KELM,利用正规方程式计算KELM的输出权重,在识别过程中减少了矩阵计算的数量,降低了实现算法的时间复杂度。此算法在多个数据集上进行了仿真实验,与其他算法的结果相比,NE-KELM得到了较好的实验结果。然后,本文结合核极限学习机与特征降维理论,提出了一种改进的核极限学习机模型。该方法首先对样本特征信息进行降维,利用主成分分析法(Principal Component Analysis,PCA)和线性判别分析法(Linear Discriminant Analysis,LDA)相融合的算法进行特征降维;然后利用KELM对数据进行分类。将本方法在不同的数据集上进行了实验对比分析,证明了其优越性,得到了较好的结果。最后,将该算法模型构建成一个肿瘤图像识别系统,拥有可视化界面,这个系统主要实现了算法模型的训练与胃上皮肿瘤细胞的识别分类。本文对KELM算法进行研究,提出了两种改进算法,并将其应用于数据分类与肿瘤图像识别方面,仿真实验表明出本文所提出的两种改进方法提高了极限学习机算法的性能。(本文来源于《湘潭大学》期刊2019-06-06）
杨晓慧,白欣宇,乔江华,陆寓非[10]（2019）在《基于一种集成的信息基因选择方法的乳腺肿瘤识别研究》一文中研究指出[目的]探讨导致乳腺癌的可能致病基因及其生物学意义。[方法]基于国际上通用的乳腺癌公共测试集Breast-2 (79)数据库,提出了一种集成的决策信息因子(decision information factor,DIF)方法,以有效地选择出候选致病基因,并完成乳腺癌识别。基于R语言对原始基因数据做加权共表达网络分析以识别网络中的重要基因模块;使用DAVID软件对重要基因模块进行Pathway富集分析,验证是否具有统计学意义;使用DIF方法从具有统计学意义的重要基因模块中选择出2个候选致病基因;借助反空间稀疏表示分类模型完成乳腺癌识别。[结果]通过加权基因共表达网络得到3个基因模块,其中2个经Pathway富集分析检验具有统计学意义,在这两个模块上采用DIF基因选择方法选出的2个候选致病基因用于乳腺癌识别时,准确率达到71.07%,比信噪比(signal noise ratio,SNR)、受试者工作特征曲线(receiver operating characteristic curve,ROC)、组内与组间平方和比率(the ratio of between-groups to within-groups sum of squares,BW)的方法分别高出13.93%、11.19%和8.57%。[结论]该文提出的集成DIF基因选择方法得到的候选致病基因能有效识别乳腺癌,并具有明确的生物学意义。(本文来源于《中国肿瘤》期刊2019年07期）
肿瘤识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报讯 （李晨琰）患者或代挂号人持身份证“刷脸”认证，如果“证脸不符”将无法预约早高峰现场专家号。昨天，从复旦大学附属肿瘤医院获悉，院方从今年11月18日推出专家号预约人脸识别系统，将打击“黄牛”关口前移，确保现场号源留在患者手中。在肿瘤
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肿瘤识别论文参考文献
[1].陶婷婷,王广兆,王懿辉.打击号贩子确保现场号源留在患者手中[N].上海科技报.2019
[2].李晨琰.“刷脸”一周来，已有864名患者预约到专家号[N].文汇报.2019
[3].李芬,马金龙,罗洋,秦唯,王笑笑.腹部肿瘤外科潜在危重症快速识别工具的研制与检验[J].广西大学学报(自然科学版).2019
[4].姚赞原,骆卉妍,徐国良,李超峰,余广彪.上消化道肿瘤诊断识别率超九成[N].广东科技报.2019
[5].纪春阳,徐秀林,王燕.深度神经网络技术在肿瘤细胞识别中的应用[J].中国医学物理学杂志.2019
[6].甘岚,郭子涵,王瑶.基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法[J].计算机应用.2019
[7].柳晨.快速识别与处理胸部肿瘤经皮穿刺相关急重症[J].中华介入放射学电子杂志.2019
[8].聂雄,陈华,伍思霖.基于灰度共生矩阵和BP神经网络的乳腺肿瘤识别[J].电子技术应用.2019
[9].刘亚琦.核极限学习机的改进及其在肿瘤识别中的应用[D].湘潭大学.2019
[10].杨晓慧,白欣宇,乔江华,陆寓非.基于一种集成的信息基因选择方法的乳腺肿瘤识别研究[J].中国肿瘤.2019
标签：专家号; 预约挂号; 肿瘤医院; 医院制度; 排队挂号; 网上预约; 医保患者; 人脸识别系统; 初诊患者; 黄牛;