發(fā)布時間：2021-04-10 05:42

　　醫(yī)學(xué)圖像是一類被廣泛應(yīng)用于臨床診斷的數(shù)字圖像,但醫(yī)學(xué)圖像具有分辨率低,不同器官組織分界模糊的特點。近年來,針對醫(yī)學(xué)圖像的自動語義理解研究已經(jīng)成為了一個焦點。目標檢測和圖像主題生成算法都是計算機視覺領(lǐng)域的重要分支,且近年來都取得了令人矚目的發(fā)展,將這兩種算法結(jié)合并引入醫(yī)學(xué)圖像處理中具有重要的臨床應(yīng)用價值。通過目標檢測算法檢測出醫(yī)學(xué)圖像中病灶區(qū)域的位置,對病灶區(qū)域進行編碼,使得編碼向量中攜帶更多的有用信息,排除了醫(yī)學(xué)圖像中背景和不相關(guān)組織的干擾,從而達到提高生成診斷報告質(zhì)量的目的。目前已有的醫(yī)學(xué)圖像主題生成算法集中于提高生成的診斷報告與真實報告間的相似度,但沒有考慮生成的報告中病理信息準確率的問題,這使得生成的診斷報告可靠性降低。因此,基于目標檢測算法和圖像主題生成算法,本文提出了兩個模型,融合病理信息的醫(yī)學(xué)圖像主題生成模型和強化學(xué)習(xí)輔助訓(xùn)練的醫(yī)學(xué)圖像主題生成模型,以此來提高生成診斷報告的質(zhì)量以及診斷報告中病理信息的準確率。本文具體研究工作如下:1.針對目前醫(yī)學(xué)圖像主題生成算法存在的診斷報告病理信息不準確的問題,本文提出了一個融合病理信息的醫(yī)學(xué)圖像主題生成模型,該模型利用目標檢測算法檢測出... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文組織結(jié)構(gòu)框架圖

重慶郵電大學(xué)碩士學(xué)位論第3章基于病理信息融合的超聲圖像主題生成24為了計算病灶區(qū)域的位置損失，本文引入SmoothL1損失，一個平滑且復(fù)雜度低的回歸損失函數(shù)，模型的回歸損失的計算過程如公式3.5所示：1**,,{,,,}(,)()regiiLijijjxywhLttsmoothtt=（3.5）公式中,({,,,})ijtjxywh表示預(yù)測的推薦位置和真實位置的補償，*,({,,,})ijtjxywh表示標簽中推薦位置和真實位置的補償。本文中使用SmoothL1函數(shù)的目的是為了防止梯度的值過大，造成參數(shù)震蕩，模型不收斂，SmoothL1損失函數(shù)的定義如下所示：11,||1()1||1,Lxifxsmoothxxotherwise=+（3.6）如果病灶區(qū)域位置的損失值過大，那么便采用L1損失，否則采用L2損失。的作用是使得損失函數(shù)平滑可導(dǎo)，本文中的取值為2，SmoothL1損失函數(shù)的曲線圖如圖3.2所示：圖3.2SmoothL1損失函數(shù)的曲線圖本文中通過最小化detectL來優(yōu)化病灶區(qū)域檢測模型的參數(shù)，最后提取病理信息分類模型最后一個全連接層的輸出作為病灶區(qū)域的編碼向量。3.2.2哨兵機制與診斷報告生成為了將語法信息和語義信息進行融合，本章借鑒文獻[55]的方法在LSTM原有的結(jié)構(gòu)上增加了一個哨兵門，將該門輸出的信息作為語法信息ts。為了能將離散的

重慶郵電大學(xué)碩士學(xué)位論第5章超聲圖像診斷報告自動生成仿真系統(tǒng)495.3仿真系統(tǒng)的功能測試根據(jù)上一小節(jié)系統(tǒng)的設(shè)計便可利用代碼將系統(tǒng)的各個功能實現(xiàn)，實現(xiàn)之后需要對系統(tǒng)各個功能模塊進行詳細測試，以查看每個模塊的功能是否完整。5.3.1數(shù)據(jù)輸入模塊功能測試系統(tǒng)主界面：用戶通過運行系統(tǒng)的主程序文件啟動系統(tǒng)，系統(tǒng)啟動之后首先打開主界面，主界面如圖5.3所示。主界面由三部分構(gòu)成，左上方的“醫(yī)學(xué)圖像”區(qū)域展示需要處理的醫(yī)學(xué)圖像，左下方的“參數(shù)選擇區(qū)域”提供了三個下拉框，用于提供用戶設(shè)置參數(shù)的功能，右邊的“診斷結(jié)果”區(qū)域展示系統(tǒng)處理后的圖像以及系統(tǒng)對醫(yī)學(xué)圖像的診斷結(jié)果。圖5.3仿真系統(tǒng)主界面醫(yī)學(xué)圖像導(dǎo)入：用戶點擊醫(yī)學(xué)圖像區(qū)域的“導(dǎo)入醫(yī)學(xué)圖像”按鈕，系統(tǒng)會彈出一個文件選擇界面，在這個界面中用戶選擇需要診斷的醫(yī)學(xué)圖像，如圖5.4所示。


本文編號：3129071