基于神经网络的肿瘤图像识别-陈春晖

第六次力7-Talk活动

于2018年12月16日圆满结束~

过了这么久

想必大家对这次活动的印象有些小模糊

不用着急

下面就带大家重温一下这次talk的精彩！

主要内容

01

陈春晖同学精彩汇报

在国内，肝癌是常见的恶性肿瘤之一。现有的诊断技术，大多数是依赖医生的经验,大量的病理图像诊断给医生带来了巨大工作负担，容易引发医生因疲劳而错误诊断，所以急需一种新的思路来处理相关的医疗问题。

为解决上述问题，陈春晖同学的研究借助数学中的张量分解方法，利用郑泉水教授的高阶张量分解理论改进原有的深度学习网络，利用数学上严格的高阶张量不可约分解或特征分解对高维数据进行降维，保留及提取数据本身的高维结构和信息。数学上关于不可约张量的研究已经非常完善，将原有的高阶数据进行不可约分解后，可以提取出其在各阶上的结构特征，方便深度神经网络对其进行学习和处理。

陈总极富表现力的ppt~

本次力7Talk中，陈春晖同学主要给大家介绍了机器学习、神经网络以及图像识别的相关概念及问题，通过相关的背景介绍、效果演示、程序框图等多种手段，详细而又目标明确地达到本次力7talk的目标：让同学们了解神经网络的相关内容，也了解了他SRT中的相关任务以及进度。

02

讨论环节

在听过陈春晖同学的报告之后，同学们也收获颇多，让我们一起看一看他们的感受吧~（同学们感受太多了~取一部分也能以小见大了hhh）

赖丞韬

我觉得陈春晖同学的SRT很有应用前景，而且他能在很短的时间内掌握一些神经网络的基本概念并加以应用，真是太厉害了！

蒋琪

陈春晖为我们详细讲解了神经网络的结构和构建方法，用于图像识别，非常厉害！

周靖霖

陈同学在这次的力7Talk中，给我们普及了很多很多关于现在人工智能、神经网络的初级知识。他用非常易懂的语言，把他对人工智能的理解与我们所学的知识连为一体，生动地讲解给我们听。这是一场很有干货的Talk，也带给我们更多的对人工智能、神经网络的兴趣。

卢佳键

陈春晖介绍了他的SRT研究项目——深度学习和张量分解在肿瘤图像识别上的应用。在开始阶段，他介绍了机器学习的一些基本知识。例如，在全连接网络的基础上加上卷积操作和池化操作，变为卷积神经网络。还有像反向传播算法和几种常用的激活函数。这样，让我们对机器学习的整体知识体系有了简单的了解。然后，他主要介绍了他目前使用Tenserflow机器学习框架进行的工作——对65000张手写数字的图片进行学习，并用10000张另外的图片进行测试。这虽然只是机器学习领域的A+B problem，但是一个非常重要的良好开端。为了给我们讲明白他是如何把张量分解应用到机器学习中去的，他以某同学的真实照片（猜猜他是谁？）作为案例，令我们印象深刻。最后，他介绍了阶段性的成果。在样本量和计算资源不足的情况下，使用张量分解确实能够明显提升用卷积神经网络进行学习，并分类手写数字的效果。如果这一结论能够在更多的问题上得到验证，成为一个普遍的原理，将会是机器学习领域的一个重大突破。

本学期最后一次力7Talk就此结束啦~参加本次力7Talk的同学们获得了丰厚的奖品（其实是数学作业纸），其他参加过本学期力7Talk活动，但本次未到场的同学也都拿到了这份小奖品~

让我们来回顾一下本学期的几次力7Talk吧：

在此为力7各位同学的在SRT中的优秀表现打电话！！也希望更多同学能参与进来~

供稿：陈春晖

排版：赖丞韬

审核：力7团支部

~End~

「力7太空计划」

立足当代科技，展望未来科学