北京专科冻疮医院 http://www.99pw.cn/chaoliu/xinchao/1513.html年11月14日学术分享会
会议摘要：
本次分享从学术研究和工程项目测试两个方面来讲。
学术研究：现实生活中大部分数据集是分布不平衡的。例如信息检索、信用卡欺骗、医疗诊断、文本分类等，其中少数类的识别更加重要。例如医疗诊断中如果把正常人误诊为病人固然会给他带来负担并且对医生造成不好的影响，如果把一个病人误诊为正常，那么可能会错过最佳诊疗时期，从而造成严重后果。因此，研究一种有效的不平衡数据分类算法十分有意义。本次项目研究的重点将基于采样算法，特征选择算法以及分类预测算法三个部分上。通过一些算法来提高少数类的预测精度。
测试分享：软件测试是为了发现错误而执行的程序，其通常包括验证和确认，验证是为了保证软件正确的实现某一特定功能，确认是保证软件的实现满足用户需求。软件测试的目的是以最少的人力、物力和时间找出软件中潜在的各种错误和缺陷，以确保软件的质量。本次分享就软件测试概述、技术、流程、常用工具等方面进行介绍，以便大家对软件测试基础知识有较好的了解。
分享人：贾蓉
分享时间：年11月14日
会议摘要：
脑胶质瘤是一种常见的由大脑和脊髓胶质细胞癌变产生的原发性颅脑肿瘤，约占所有颅内肿瘤的45％。高阶脑胶质瘤约占脑胶质瘤总数的80％，高阶患者确诊后的平均生存期约为12-15个月，仅有约5％的人生存期超过五年，在未经治疗的情况下，生存期通常仅有3个月。由于胶质瘤的高致死率、极难治疗和预后的特点，提高患者的早期诊断准确率和制定精准化的治疗方案对于延长患者寿命、提高患者的生活质量以及适时提供临终关怀都有着极大的临床价值和社会意义。
传统方法都是根据临床经验去选择一组图像进行特征选择，在组织结构上也是将所有组织看成一个整体，而没有考虑到不同模态下图像信息的关联性。本研究尝试从肿瘤的异质性出发探索不同模态下建立影像组学分析方法对高低阶脑胶质瘤进行分类，特征选择采用PCA，ISOMAP，RFECV，分类模型采用RF，SVM，XGBOOST进行对比实验。
最终证明在肿瘤核心区域来自T1-ce序列，水肿区域来自T2序列下，利用ISOMAP进行降维，结合SVM分类器对高低阶脑胶质瘤的分类可以达到94.8%的准确率。
分享人：刘洋
分享时间：年11月14日
长按
