冯熙然 李思婷 赵娜

摘 要：恶性胰腺癌（pancreaticcancer）其实是一种消化道恶性肿瘤，具有很高的恶性癌变程度，诊断和早期治疗困难很大。近几年来，发病率和患者死亡率显著提高。胰腺癌的早期手术确诊死亡率一般较低，手术晚期死亡率高，治愈性能也较低。胰腺癌是否发生的尚不清楚。科研机构希望利用与人工智能相关的大数据技术辅助放射科医生进行医学图像识别，提高医疗成像数据的准确性，降低放射科医生的压力，达到早发现和治疗疾病的目标。本课题采用大数据技术分布存储胰腺光影像数据，利用深度学习技术将大量胰腺X光图像从自动特征中提取，并通过大数据技术研究了癌症药物。

关键词：胰腺癌;X光影像;大数据技术;对比治疗机制

前言：

近几年来，随着大数据技术的迅速发展，基因组拷贝变化、突变、甲基化数据和转录组、蛋白质组、代谢群等与癌症有关的组学数据也在迅速积累，为癌症的研究和精确医学的发展提供了大量的机会。通过前期的调查，胰腺癌是最差预后的恶性肿瘤之一，被称为"癌中的王子"，在前期难以发现，药物作用也不理想。针对目前存在的问题，我们对于胰腺癌前期X光片及药物治疗效果进行了大数据处理并构建了对比治疗机制。

1.设计思路

对比 alexnet 神经网络， mobilenets 神经网络， vgg16 神经网络模型，以及胰腺 x 光图像识别的精确度，根据分析效果优劣，选择 vgg16 网络模型对算法进行改进，分别命名 vggy 和 vgg y1 ，标准卷在 vgg16 网络上。积被 vggy 网络模型改为深度分离的卷积，并将改进的网络模型应用于胰腺梗阻性慢性胰腺炎，症状糖尿病，血栓型静脉炎，黄疸性肝炎，胆石症，胆囊病和正常七种类型的识别。……