深度學(xué)習(xí)作為人工智能的一個(gè)研究方向,在計(jì)算機(jī)視覺(jué)上取得了巨大的成功,尤其在圖像分類任務(wù)上。許多醫(yī)學(xué)和計(jì)算機(jī)的研究者正在探索新的領(lǐng)域——用深度學(xué)習(xí)輔助診斷人類疾病。宮頸癌是最常見(jiàn)的女性疾病之一,現(xiàn)有的宮頸癌篩查技術(shù)存在著不同的缺陷,導(dǎo)致在許多貧困地區(qū)女性無(wú)法得到及時(shí)的治療。光學(xué)相干層析掃描技術(shù)（Optical Coherence Tomography,OCT）已被廣泛應(yīng)用于醫(yī)學(xué)成像,它能夠得到組織的縱切圖像,能提供高分辨率的細(xì)胞級(jí)別的特征,并且能在原位快速獲取2D/3D圖像。這些優(yōu)勢(shì)使其具有成為一種新的宮頸篩查和檢測(cè)技術(shù)的潛能。利用OCT提供的特征豐富的圖像,結(jié)合深度學(xué)習(xí)強(qiáng)大的圖像分析能力,本文主要研究一種新的宮頸疾病智能篩查技術(shù)以彌補(bǔ)現(xiàn)有技術(shù)的不足之處,并基于WinForm C++以及GPU CUDA并行程序技術(shù),實(shí)現(xiàn)了圖像采集處理系統(tǒng)以控制相關(guān)硬件設(shè)備對(duì)樣品掃描成像,主要工作如下:（1）本文利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖像的視覺(jué)特征提取器,將得到的圖像特征序列與文本特征序列相結(jié)合,用于訓(xùn)練傳統(tǒng)的支持向量機(jī)模型,完成相應(yīng)的分類任務(wù)。針對(duì)收集的來(lái)自中國(guó)92名女性的497個(gè)3D OCM（Optic... 

【文章來(lái)源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．１圖像數(shù)據(jù)示例，分別有五個(gè)類別所對(duì)應(yīng)圖像，其中展示了兩種表現(xiàn)不同的癌癥，如圖所示??３．２．３．?dāng)?shù)據(jù)分類依據(jù)??

圖３．２多模態(tài)分類器的整體結(jié)構(gòu)??為了獲得給定三維ＯＣＭ圖像ｊ在分類標(biāo)準(zhǔn)中定義的五個(gè)細(xì)粒度類別的概率分布??（如圖３．３?３－Ｄ圖像預(yù)測(cè)概率推導(dǎo)所示），我們使用以下等式計(jì)算概率：??／５（ｙ＝；）?＝?＾�。剩保ǎ椋剑罚�，?（３－１）??Ａｌｇｏｒｉｔｈｍ?１：?ｍａｊｏｒｉｔｙ?ｐｒｉｎｃｉｐｌｅ?ｆｏｒ?Ｉｕｆｅｒｒｉｕｇ?ｐｒｏｂａｂｉｌｉｎ?ｆｏｒ?３Ｄ??ＯＣＭ?ｉｍａｇｅｓ???Ｉｕｐｕｔ：?ｐｒｏｂｓ??Ｏｕｔｐｕｔ：?ｐｒｏｂＳＤ??１．?Ｃｒｅａｔｅ?ｅｍｐｔｙ?ｄｉｅｔ?ｐｉ，ｏｂ＿３Ｄ：??２．?Ｆｏｒ?ｅａｃｈ?ｉｔｅｍ?ｅ?ｐｒｏｂｓ?ｄｏ??３．?ｖｎｇ＿ｉｄ＝?ｉｔｅｍ．ｋｅｙ＇?Ｉ／?ＩＤ?ｆｏｒ?３Ｄ?ｉｍａｇｅ??４．?ｐｒｏｂ＿ａｉｒ＝?ｉｔｅｕｉＡ?ａｌｕｅ?／／ｃｏｎｔａｉｎｓ?ｐｒｏｂ?ｆｏｒ?ｅａｃｈ?２Ｄ?ｉｍａｇｅ?ｏｆ??５．?ｐｒｅｄｊａｂｅｌ?＝?ａｒｇｍａｘ（／；７??６．?ｔｍｐ＿ｐｒｏｂ?＝?［０］?＊?５??７．?ｆｏｒ?ｌａｂｅｌ?ｉｉｉ?［０．?１．?２．?３．?５］：??８．?Ｔｍｐ?＿＾７〇Ｚ？［ｌａｂｅｌ］?＝ｐｊｅｄ＿ＩａｂｅＩ．ｃｏ＼ｍｔ（Ｉａｂｅｒ）／ｌｅｎ（ｐｒｅｄＪａｂｅｌ）??９．?ｐｒｏｂ＿３Ｄ［ｍｉｇ＿ｉｄ＼?＝?Ｔｍｐ?＿ｐｒｏｂ［ｌａｂｅＴ＼??１０．?Ｅｎｄ?Ｆｏｒ??１１．?Ｅｎｄ???ｐｒｏｂｓ：?ｐｒｏｂａｂｉｌｉｔｙ?ｄｉｅｔ

使用數(shù)據(jù)集一致。??使用每個(gè)ＯＣＭ成像位置的組織活檢診斷作為基礎(chǔ)事實(shí)，為每個(gè)研宄者以及機(jī)器診??斷計(jì)算診斷準(zhǔn)確性，敏感性，特異性。圖４．３?（ａ，ｂ）顯示了三名研究者的混淆矩陣。??同時(shí)還計(jì)算了每個(gè)統(tǒng)計(jì)參數(shù)的９５％水平的置信區(qū)間（ＣＩ）。另外還計(jì)算了三名研究者之??間的觀察者間一致性（ｋ值）。??３．５．本章小結(jié)??本章主要從問(wèn)題定義，數(shù)據(jù)的收集及處理，本文所采用的分類模型和特征可視化，??實(shí)驗(yàn)設(shè)定幾個(gè)方面介紹了本文的工作。這里，提出了本文擬解決的三個(gè)主要問(wèn)題，即??分類模型的結(jié)構(gòu)、特征識(shí)別和數(shù)據(jù)不均衡問(wèn)題。數(shù)據(jù)收集部分主要介紹了數(shù)據(jù)量、數(shù)??據(jù)的標(biāo)記和預(yù)處理等方面；方法上介紹了本文設(shè)計(jì)的多模態(tài)分類器，能利用來(lái)源不同??的特征訓(xùn)練支持向量機(jī)分類模型；同時(shí)，還描述了本文所用到的顯著性特征圖和引導(dǎo)??性逆卷積方法。在實(shí)驗(yàn)設(shè)計(jì)部分，主要介紹了本文實(shí)驗(yàn)結(jié)果的評(píng)價(jià)指標(biāo)、實(shí)驗(yàn)的開(kāi)發(fā)??環(huán)境、驗(yàn)證實(shí)驗(yàn)的設(shè)計(jì)規(guī)則，以及與人盲測(cè)對(duì)比的實(shí)驗(yàn)設(shè)計(jì)。??１９??


本文編號(hào)：2972621