本文主要研究内容
作者昌杰（2019）在《基于深度神经网络的肿瘤图像分析与处理》一文中研究指出：随着工业化进程的发展和环境的恶化,癌症的发病率呈现不断增长的趋势,社会对此关注度日益增加。癌症的早发现、早诊断、早治疗对于患者的康复具有重要意义。目前,癌症的早期医学诊断主要依赖于生化和影像检查,基于医学图像的计算机辅助检测和诊断(CAD)对于癌症综合诊断结果有着重要影响。然而,肿瘤图像数据具有复杂的病灶特征和抽象的规则表达,且高质量的有标注数据相对匮乏。如何有效的从多维肿瘤图像数据中获取关键的病灶特征,并利用这些特征对目标图像进行语义分割和目标检测,是当前医学图像和机器学习领域的研究热点和亟待解决的问题之一。本文综合运用深度卷积神经网络(CNN)特征提取机制和条件随机场(CRF)理论,围绕脑部与肺部肿瘤图像数据的预处理、语义分割及目标检测等关键问题开展研究,主要工作如下:1)针对肿瘤图像分割模型中存在的收敛速度慢、分割精度低等问题,提出了一种基于分布直方图的图像预处理算法。该算法将肿瘤图像的强度值,基于直方图分段映射到预先设定的固定区间,对强度值进行均衡化再分布。算法在理论上可保证肿瘤图像强度值在预处理后具有可解释性。与现有预处理方法的对比实验表明该算法显著提高了肿瘤图像分割模型的精度和收敛速度。2)针对传统CNN模型存在的缺乏全局上下文信息的问题,设计了一种可有效融合局部和全局上下文信息的混合网络架构。该架构通过最大池化和平均池化操作获得二维肿瘤图像的局部互补信息,并基于全连接CRF(FCRF)提取图像的全局信息,最后通过融合局部和全局信息提高模型的分割性能。3)针对三维肿瘤图像分割中存在的特征选择偏向问题,设计了一种基于多分类焦点损失(focal loss)的三维深度CNN语义分割模型。模型充分利用焦点损失函数的权重调节机制,对样本较多的类别降低损失权重,同时提高小样本类别的权重,自适应地调整不同类别对最终损失的影响,有效解决由类别分布不均衡导致的特征选择偏向问题。4)针对肺部肿瘤图像结节检测中存在的假阳率高、计算复杂度高的问题,设计了一种肺部结节自动检测模型。该模型利用三维生成式对抗网络(GAN)进行样本扩增,生成新的结节样本平衡类别间分布差异,并采用基于特征复用的三维单次检测器(Single Shot MultiBoxDetector,SSD)网络进行肺部结节检测。与现有模型的对比实验结果表明该模型有效提高了检测精度和敏感度,简化了执行步骤。综上,本文针对医学肿瘤图像预处理、语义分割与目标检测中的四个关键问题进行了深入研究,内容涵盖肿瘤图像的均衡化预处理、基于深度CNN的鲁棒特征提取、基于不同维度特征肿瘤区域的语义分割与精确目标检测。这些研究对于医学肿瘤图像的语义分割与检测的发展,具有积极的推进作用。
Abstract
sui zhao gong ye hua jin cheng de fa zhan he huan jing de e hua ,ai zheng de fa bing lv cheng xian bu duan zeng chang de qu shi ,she hui dui ci guan zhu du ri yi zeng jia 。ai zheng de zao fa xian 、zao zhen duan 、zao zhi liao dui yu huan zhe de kang fu ju you chong yao yi yi 。mu qian ,ai zheng de zao ji yi xue zhen duan zhu yao yi lai yu sheng hua he ying xiang jian cha ,ji yu yi xue tu xiang de ji suan ji fu zhu jian ce he zhen duan (CAD)dui yu ai zheng zeng ge zhen duan jie guo you zhao chong yao ying xiang 。ran er ,zhong liu tu xiang shu ju ju you fu za de bing zao te zheng he chou xiang de gui ze biao da ,ju gao zhi liang de you biao zhu shu ju xiang dui kui fa 。ru he you xiao de cong duo wei zhong liu tu xiang shu ju zhong huo qu guan jian de bing zao te zheng ,bing li yong zhe xie te zheng dui mu biao tu xiang jin hang yu yi fen ge he mu biao jian ce ,shi dang qian yi xue tu xiang he ji qi xue xi ling yu de yan jiu re dian he ji dai jie jue de wen ti zhi yi 。ben wen zeng ge yun yong shen du juan ji shen jing wang lao (CNN)te zheng di qu ji zhi he tiao jian sui ji chang (CRF)li lun ,wei rao nao bu yu fei bu zhong liu tu xiang shu ju de yu chu li 、yu yi fen ge ji mu biao jian ce deng guan jian wen ti kai zhan yan jiu ,zhu yao gong zuo ru xia :1)zhen dui zhong liu tu xiang fen ge mo xing zhong cun zai de shou lian su du man 、fen ge jing du di deng wen ti ,di chu le yi chong ji yu fen bu zhi fang tu de tu xiang yu chu li suan fa 。gai suan fa jiang zhong liu tu xiang de jiang du zhi ,ji yu zhi fang tu fen duan ying she dao yu xian she ding de gu ding ou jian ,dui jiang du zhi jin hang jun heng hua zai fen bu 。suan fa zai li lun shang ke bao zheng zhong liu tu xiang jiang du zhi zai yu chu li hou ju you ke jie shi xing 。yu xian you yu chu li fang fa de dui bi shi yan biao ming gai suan fa xian zhe di gao le zhong liu tu xiang fen ge mo xing de jing du he shou lian su du 。2)zhen dui chuan tong CNNmo xing cun zai de que fa quan ju shang xia wen xin xi de wen ti ,she ji le yi chong ke you xiao rong ge ju bu he quan ju shang xia wen xin xi de hun ge wang lao jia gou 。gai jia gou tong guo zui da chi hua he ping jun chi hua cao zuo huo de er wei zhong liu tu xiang de ju bu hu bu xin xi ,bing ji yu quan lian jie CRF(FCRF)di qu tu xiang de quan ju xin xi ,zui hou tong guo rong ge ju bu he quan ju xin xi di gao mo xing de fen ge xing neng 。3)zhen dui san wei zhong liu tu xiang fen ge zhong cun zai de te zheng shua ze pian xiang wen ti ,she ji le yi chong ji yu duo fen lei jiao dian sun shi (focal loss)de san wei shen du CNNyu yi fen ge mo xing 。mo xing chong fen li yong jiao dian sun shi han shu de quan chong diao jie ji zhi ,dui yang ben jiao duo de lei bie jiang di sun shi quan chong ,tong shi di gao xiao yang ben lei bie de quan chong ,zi kuo ying de diao zheng bu tong lei bie dui zui zhong sun shi de ying xiang ,you xiao jie jue you lei bie fen bu bu jun heng dao zhi de te zheng shua ze pian xiang wen ti 。4)zhen dui fei bu zhong liu tu xiang jie jie jian ce zhong cun zai de jia yang lv gao 、ji suan fu za du gao de wen ti ,she ji le yi chong fei bu jie jie zi dong jian ce mo xing 。gai mo xing li yong san wei sheng cheng shi dui kang wang lao (GAN)jin hang yang ben kuo zeng ,sheng cheng xin de jie jie yang ben ping heng lei bie jian fen bu cha yi ,bing cai yong ji yu te zheng fu yong de san wei chan ci jian ce qi (Single Shot MultiBoxDetector,SSD)wang lao jin hang fei bu jie jie jian ce 。yu xian you mo xing de dui bi shi yan jie guo biao ming gai mo xing you xiao di gao le jian ce jing du he min gan du ,jian hua le zhi hang bu zhou 。zeng shang ,ben wen zhen dui yi xue zhong liu tu xiang yu chu li 、yu yi fen ge yu mu biao jian ce zhong de si ge guan jian wen ti jin hang le shen ru yan jiu ,nei rong han gai zhong liu tu xiang de jun heng hua yu chu li 、ji yu shen du CNNde lu bang te zheng di qu 、ji yu bu tong wei du te zheng zhong liu ou yu de yu yi fen ge yu jing que mu biao jian ce 。zhe xie yan jiu dui yu yi xue zhong liu tu xiang de yu yi fen ge yu jian ce de fa zhan ,ju you ji ji de tui jin zuo yong 。
论文参考文献
论文详细介绍
论文作者分别是来自中国科学技术大学的昌杰，发表于刊物中国科学技术大学2019-07-12论文，是一篇关于图像论文,图像论文,系统论文,深度卷积神经网络论文,特征提取论文,语义分割论文,目标检测论文,分布不均衡论文,中国科学技术大学2019-07-12论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国科学技术大学2019-07-12论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：图像论文; 系统论文; 深度卷积神经网络论文; 特征提取论文; 语义分割论文; 目标检测论文; 分布不均衡论文; 中国科学技术大学2019-07-12论文;