發(fā)布時(shí)間：2021-01-02 02:53

　　目前,臨床醫(yī)生對(duì)許多疾病的診斷都依賴于對(duì)醫(yī)學(xué)圖像的觀察分析。然而,由于醫(yī)學(xué)儀器本身成像質(zhì)量的局限性以及臨床醫(yī)生在觀察分析時(shí)的主觀誤差,會(huì)導(dǎo)致誤診或漏診的現(xiàn)象發(fā)生。為了解決這個(gè)問題,基于計(jì)算機(jī)輔助診斷的圖像自動(dòng)分析方法一直備受矚目。近年來,深度學(xué)習(xí)方法因其強(qiáng)大的特征自學(xué)能力,被不斷引入到醫(yī)學(xué)圖像領(lǐng)域的各種應(yīng)用中,如疾病分類、預(yù)測(cè)、病灶分割等,且都獲得了較大成功。相比于傳統(tǒng)的機(jī)器學(xué)習(xí)方法,深度學(xué)習(xí)方法能夠免去特征工程的繁雜,通過卷積等操作高效地識(shí)別出目標(biāo)特征進(jìn)而完成特定任務(wù)。然而,其在醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用仍面臨許多困難。醫(yī)學(xué)圖像的數(shù)據(jù)量往往較小,這會(huì)使得模型訓(xùn)練不充分,導(dǎo)致模型性能較差;成像儀器由于硬件或者參數(shù)的不同成像結(jié)果差異較大,有些儀器成像質(zhì)量較差,這些因素進(jìn)一步加大了模型優(yōu)化的難度,且對(duì)模型的泛化能力要求較高。針對(duì)上述問題,本文基于胎盤超聲圖像和皮膚鏡圖像來探索深度學(xué)習(xí)方法在醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用。主要研究成果包括基于混合描述符的胎盤成熟度自動(dòng)分級(jí)、基于卷積描述符聚合策略的黑色素瘤自動(dòng)識(shí)別以及基于雙判別強(qiáng)化生成對(duì)抗網(wǎng)絡(luò)的皮膚損傷區(qū)域自動(dòng)分割。在胎盤成熟度分級(jí)的研究中,本文主要提出了一種混... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【圖文】：

基于皮膚鏡圖像的皮膚病變自動(dòng)分割的主要挑戰(zhàn)

胎盤成熟度自動(dòng)分級(jí)框架

左側(cè)為圖像梯度，右側(cè)為關(guān)鍵點(diǎn)描述符


本文編號(hào)：2952508