病理組織的診斷是腫瘤、癌癥等疾病的基本標(biāo)準(zhǔn),其中組織病理學(xué)是診斷癌癥的典型工具。正確檢測(cè)和判斷細(xì)胞核類(lèi)別在治療決策中發(fā)揮了核心作用,主要由病理學(xué)家檢查組織標(biāo)本圖像并定義出有關(guān)組織外觀(guān)、細(xì)胞構(gòu)成、疾病或正常狀態(tài)的信息報(bào)告。利用圖像處理與機(jī)器學(xué)習(xí)等技術(shù),病理學(xué)家可以對(duì)圖像進(jìn)行自動(dòng)細(xì)胞核檢測(cè)與分類(lèi)等操作,以做出對(duì)疾病的定量定性評(píng)估,不僅能為病理學(xué)家減輕繁重的作業(yè)量,還能使確診結(jié)果更客觀(guān)。但由于病理圖像的細(xì)胞核大部分成群聚集,且其組織學(xué)結(jié)構(gòu)呈現(xiàn)復(fù)雜和不規(guī)則的形態(tài),給細(xì)胞核的先檢測(cè)后分類(lèi)帶來(lái)了一些挑戰(zhàn)。總結(jié)分析了傳統(tǒng)方法與深度學(xué)習(xí)的方法之后,本文根據(jù)結(jié)直腸腺癌組織圖像中細(xì)胞核的特點(diǎn),分別為檢測(cè)和分類(lèi)任務(wù)設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的算法。本文主要工作包括:1)針對(duì)病理圖像中細(xì)胞核數(shù)量不均衡且形態(tài)較小的問(wèn)題,提出了層級(jí)特征融合的細(xì)胞核位置檢測(cè)網(wǎng)絡(luò),探索病理組織圖片中的細(xì)胞核與其位置圖的映射關(guān)系。相比于現(xiàn)存檢測(cè)算法的特點(diǎn)是避免了滑動(dòng)框,減少了參數(shù);并且其下采樣過(guò)程中的預(yù)訓(xùn)練模型為樣本不均衡且少而設(shè)計(jì),而上采樣中的多級(jí)互補(bǔ)信息的級(jí)聯(lián)模塊負(fù)責(zé)精細(xì)化還原細(xì)胞核的位置響應(yīng)。最后預(yù)測(cè)的位置概率圖將通過(guò)部分后處理方法... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２細(xì)胞核圖像展示??Ｆｉｇ．?１－２?Ｄｉｓｐｌａｙ?ｏｆ?ｎｕｃｌｅａｒ?ｉｍａｇｅｓ??

?第一章緒論???析，驗(yàn)證了此算法應(yīng)用于單檢測(cè)任務(wù)的有用性。??第四章，區(qū)域切割與上下文融合的分類(lèi)網(wǎng)絡(luò)，詳細(xì)闡述了分類(lèi)網(wǎng)絡(luò)的整體??結(jié)構(gòu)，以及區(qū)域切割模塊和上下文特征補(bǔ)充網(wǎng)絡(luò)的構(gòu)建原理，通過(guò)多組實(shí)驗(yàn)實(shí)??現(xiàn)了與自身和其他方法的比較，證明了此分類(lèi)網(wǎng)絡(luò)應(yīng)用于單分類(lèi)任務(wù)的較好性??能。另外，還將檢測(cè)與分類(lèi)的工作結(jié)合成一個(gè)處理流程定位并鑒別細(xì)胞核，最??后兩階段的聯(lián)合實(shí)驗(yàn)仍然取得了優(yōu)異的結(jié)果。圖１－５為本文的方法流程關(guān)系圖。??第五章，結(jié)論與展望。對(duì)全篇研宄工作做了總結(jié)，并計(jì)劃了對(duì)未來(lái)研宄方??向的展望以及對(duì)下階段的工作安排。??病理圖像背景???Ｘ???傳統(tǒng)方法與深度學(xué)習(xí)??的應(yīng)用??，ｆ??卷積神經(jīng)網(wǎng)絡(luò)｜???Ｘ???Ｘ???????基于細(xì)胞核的?基于細(xì)胞核的?旺八米紅欠??單檢測(cè)任務(wù)?單分類(lèi)任務(wù)??圖１－５方法流程關(guān)系圖??Ｆｉｇ．?１－５?Ｍｅｔｈｏｄ?ｆｌｏｗ?ｄｉａｇｒａｍ??７??

習(xí)網(wǎng)絡(luò)逐漸被提出，如卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、記憶神經(jīng)網(wǎng)??絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)等等，均己被應(yīng)用在圖像、語(yǔ)音、自然語(yǔ)言處理等等領(lǐng)域。??其中在圖像領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)己經(jīng)成為了業(yè)界標(biāo)準(zhǔn)技術(shù)，廣泛用于安防監(jiān)控、??自動(dòng)駕駛、醫(yī)學(xué)影像等實(shí)際應(yīng)用方向。深度學(xué)習(xí)的歷史發(fā)展源頭可定位到２０世??紀(jì)４０年代，其中神經(jīng)網(wǎng)絡(luò)的概念在２０世紀(jì)５０年代就被提出，但后階段經(jīng)歷坎??坷，到２１世紀(jì)，又有了重大突破，如今深度學(xué)習(xí)的相關(guān)方法己成為研究主流。??本節(jié)歸納了深度學(xué)習(xí)及其分支卷積神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)要發(fā)展過(guò)程，如圖２－１。??；Ａ??ＬｅＮｅｔ?網(wǎng)絡(luò)?＾?Ｃｋ＞ｏｇＵ＞Ｍｅｔ??成?ＡｌｅｘＮｅｔ?網(wǎng)?Ｒ＿ＣＮＮ??單層感知器?—／?ｊ?＿?Ｒ－ＣＫＫ??＂ｅｂｂ?Ａ．?＾２／?！?＼??｜?ｙ?；??；?ｉ?ｉ?｜?ｉ?ｉ??ｉ?！?１?｜?ｉ?［??￣￣１９４３￣＇?１９４９?１９５８?＇￣１９８６?１９８９?２００６?２０１２??圖２－１深度學(xué)習(xí)發(fā)展過(guò)程??Ｆｉｇ．２－１?Ｄｅｖｅｌｏｐｍｅｎｔ?ｐｒｏｃｅｓｓ?ｏｆ?ｄｅｅｐ?ｌｅａｒｎｉｎｇ??１９４３年，ＭｃＣｕｌｌｏｃｈ和Ｐｉｔｔｓ參照生物的神經(jīng)元構(gòu)造和工作機(jī)制，提出了固??定權(quán)重的抽象簡(jiǎn)化版的ＭｃＣｕｌｌｏｃｈ－Ｐｉｔｔｓ?（ＭＰ）模型。ＭＰ模型雖然簡(jiǎn)易，但其??為今后建立神經(jīng)網(wǎng)絡(luò)作了很好的基礎(chǔ)根本工作【３Ｑ］。１９４９年，Ｈｅｂｂ認(rèn)為人腦神??經(jīng)細(xì)胞的突觸上的強(qiáng)度是變化的，于是提出Ｈｅｂｂ學(xué)習(xí)算法的概念【３１］。推動(dòng)了??科學(xué)家們用調(diào)整權(quán)值的設(shè)計(jì)來(lái)使得機(jī)器能夠?qū)W習(xí)，為日后的學(xué)習(xí)算法鋪墊了基??矗到了五十年代末，Ｒｏｓｅｎｂｌａｔｔ提出了感


本文編號(hào)：2971440