白血病是十大惡性腫瘤疾病之一,在各類白血病中發(fā)病率最高且死亡率偏高的是急性髓系白血�。╝cute myeloid leukemia,AML）。AML起源于骨髓,骨髓是人體重要的造血器官,其造血功能對(duì)于維持生命至關(guān)重要,檢查骨髓細(xì)胞形態(tài)以及數(shù)量分析有助于AML的診斷和鑒別。傳統(tǒng)的人工鏡檢方法耗時(shí)較長嚴(yán)重耽誤治療時(shí)間,而且結(jié)果極易受到個(gè)人專業(yè)程度和主觀性的影響。使用計(jì)算機(jī)圖像分析與人工智能技術(shù)能夠?qū)撬栾@微圖像進(jìn)行細(xì)胞的分割、檢測識(shí)別以及計(jì)數(shù),實(shí)現(xiàn)規(guī)范化、標(biāo)準(zhǔn)化的骨髓細(xì)胞圖像數(shù)字病理輔助診斷,克服只依賴人工鏡檢方法而存在的問題,對(duì)于提高AML臨床診斷的水平和效率具有重大意義。目前,要實(shí)現(xiàn)AML的數(shù)字化輔助診斷,需要解決對(duì)骨髓細(xì)胞圖像中的細(xì)胞定位識(shí)別并計(jì)數(shù)的關(guān)鍵性技術(shù),主要存在以下問題:1)骨髓細(xì)胞圖像的背景區(qū)域比較復(fù)雜,使得個(gè)體細(xì)胞的分割與檢測變得困難;2)骨髓顯微圖像中的骨髓細(xì)胞種類繁雜,各類細(xì)胞形狀各異但又存在相似性,類別區(qū)分困難。本文圍繞基于骨髓細(xì)胞圖像的AML輔助診斷方法,主要做了如下工作:（1）提出一種基于形態(tài)特征的個(gè)體細(xì)胞檢測方法。采用K-means聚類與區(qū)域連通性分析對(duì)細(xì)胞核... 

【文章來源】：濟(jì)南大學(xué)山東省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

各類細(xì)胞圖例各類骨髓細(xì)胞的核形、外形、核染色質(zhì)、細(xì)胞質(zhì)及直徑范圍的病理特征[1][11]總結(jié)如表所示：

濟(jì)南大學(xué)碩士學(xué)位論文92.2卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）是具有多層級(jí)的前饋神經(jīng)網(wǎng)絡(luò)[32]，它包含卷積計(jì)算，且具備權(quán)值共享的特點(diǎn)。它在目標(biāo)檢測、圖像分類以及語義分割等領(lǐng)域取得了不少的成功[33]。CNN一般由輸入層、卷積層和池化層、全連接層和輸出層組成[34][35]。CNN的核心是卷積層中的卷積計(jì)算[32]，卷積是數(shù)學(xué)中的加權(quán)累積操作，使用大小不同的卷積核進(jìn)行計(jì)算隨之得到大小不同的特征圖，所以想要增加特征維度，需要使用大小不一的多個(gè)卷積核。卷積層輸出表示為：y()kkfxwb(2.1)其中，*表示卷積計(jì)算，x表示輸入，yk表示輸出，kw表示卷積核的權(quán)值，b表示偏移量，f()表示激活函數(shù)。2.2.1激活函數(shù)分析激活函數(shù)是非線性函數(shù)，卷積進(jìn)行的是線性操作，只有線性組合的特征在深層網(wǎng)絡(luò)中表達(dá)能力受限，經(jīng)過激活函數(shù)的非線性操作，使得網(wǎng)絡(luò)具有非線性特性，且能學(xué)習(xí)到更加復(fù)雜的特征，解決了線性不可分的問題，提高了神經(jīng)網(wǎng)絡(luò)的魯棒性。常用的激活函數(shù)包括Sigmoid函數(shù)[36]、tanh函數(shù)[37]、ReLu函數(shù)[38]和LeakyReLu函數(shù)[39]：（1）Sigmoid函數(shù)也叫Logistic函數(shù)，表達(dá)式如下：1()1ZfZe(2.2)其函數(shù)形狀如圖2.2所示，其輸出結(jié)果取值范圍為[0,1]。圖2.2Sigmoid函數(shù)圖Sigmoid函數(shù)具有連續(xù)和單調(diào)性，且計(jì)算簡單，所以應(yīng)用很廣泛，常用于二分類的輸出層。但是也存在劣勢，容易“梯度飽和”，當(dāng)函數(shù)輸入取正無窮或負(fù)無窮時(shí)，梯度

基于骨髓細(xì)胞圖像的AML輔助診斷方法研究10逐漸趨近于0，會(huì)出現(xiàn)梯度彌散的情況，使得某些層的權(quán)值更新受阻，影響收斂速度。（2）Tanh函數(shù)雙曲函數(shù)中的一個(gè)，是改進(jìn)的Sigmoid函數(shù)，表達(dá)式如下：()ZZZZeefZee(2.3)其函數(shù)形狀如圖2.3所示，其輸出結(jié)果取值范圍為[-1,1]，具有連續(xù)和單調(diào)性。由于它的均值為0，使其具有數(shù)據(jù)中心化，加速了網(wǎng)絡(luò)訓(xùn)練時(shí)的速度，然而“梯度飽和”現(xiàn)象依舊存在。圖2.3Tanh函數(shù)圖（3）ReLu函數(shù)目前應(yīng)用最廣泛的激活函數(shù)，表達(dá)式如下：f(Z)max(0,Z)(2.4)其函數(shù)形狀如圖2.4所示，其輸出結(jié)果取值范圍為(0,)。ReLu函數(shù)與前面所提到的Sigmoid函數(shù)和Tanh函數(shù)不同之處在于其為非“飽和”線性函數(shù)。具有單邊抑制的特性，當(dāng)函數(shù)的輸入值為負(fù)時(shí)，輸出值為0，當(dāng)函數(shù)的輸入值為正時(shí)，輸出值等于輸入值，其計(jì)算速度更快且避免了梯度彌散的問題�；谝陨蟽�(yōu)勢，使得ReLu函數(shù)成為了構(gòu)建CNN更快更有效的首選組成之一。圖2.4ReLu函數(shù)圖


本文編號(hào)：3102384