甲狀腺疾病在我國(guó)的發(fā)病率高,是一種重要的內(nèi)分泌系統(tǒng)疾病。SPECT是一種借助于單光子核素標(biāo)記藥物實(shí)現(xiàn)對(duì)人體功能和代謝信息成像的技術(shù)。不同于超聲或者CT通過(guò)解剖結(jié)構(gòu)對(duì)疾病進(jìn)行診斷,SPECT能夠反映甲狀腺的功能和體內(nèi)的代謝信息,在組織結(jié)構(gòu)出現(xiàn)異常之前就較早地發(fā)現(xiàn)疾病,因此在臨床診斷中具有無(wú)法取代的優(yōu)勢(shì),在很多時(shí)候成為疑難病癥診斷的最重要依據(jù)。近年來(lái)迅猛發(fā)展的深度學(xué)習(xí)技術(shù)已經(jīng)成為計(jì)算機(jī)輔助診斷的重要手段之一,應(yīng)用深度學(xué)習(xí)通過(guò)SPECT圖像對(duì)甲狀腺疾病進(jìn)行計(jì)算機(jī)輔助診斷,可以有效地輔助醫(yī)生提高診斷準(zhǔn)確性、降低工作強(qiáng)度、提高工作效率,對(duì)甲狀腺疾病的診斷和治療具有重要意義。本文針對(duì)基于SPECT圖像和深度學(xué)習(xí)的甲狀腺疾病輔助診斷開(kāi)展工作。通過(guò)設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練算法并使用SPECT圖像數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)模型,對(duì)4種甲狀腺疾病:甲狀腺功能亢進(jìn)、亞急性甲狀腺炎、橋本甲狀腺炎和亞臨床甲狀腺功能亢進(jìn)進(jìn)行輔助診斷。主要內(nèi)容如下:首先,研究了應(yīng)用于甲狀腺疾病診斷的卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)增廣和網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)。分析SPECT圖像數(shù)據(jù)集的特點(diǎn),并針對(duì)數(shù)據(jù)量較少的問(wèn)題設(shè)計(jì)了數(shù)據(jù)增廣方法。基于Dense Net網(wǎng)絡(luò)進(jìn)行了... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SPECT數(shù)據(jù)集的部分圖像

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-13-首先應(yīng)用傳統(tǒng)增廣方法對(duì)圖像進(jìn)行增廣。傳統(tǒng)的圖像增廣方法主要有旋轉(zhuǎn)、尺度變換、添加噪聲和隨機(jī)裁剪等。通過(guò)這些方法，使每張圖像產(chǎn)生多種不同形態(tài)的副本，從而擴(kuò)充了數(shù)據(jù)集。這些方法在不改變圖像的語(yǔ)義特征的前提下增大了樣本量，使得樣本的數(shù)據(jù)分布更接近真實(shí)分布，防止模型出現(xiàn)過(guò)擬合。圖2-4展示了旋轉(zhuǎn)方法對(duì)圖像的增廣結(jié)果。第一張圖是原始圖像，隨之的圖像依次是順時(shí)針旋轉(zhuǎn)30°、60°、90°和120°的增廣圖像。圖2-4旋轉(zhuǎn)增廣方法圖2-5展示了尺度變換對(duì)圖像的增廣結(jié)果。第一張圖像是原始圖像，隨之的圖像依次是長(zhǎng)寬變換為原始圖像的90%、95%、105%和110%的增廣圖像。圖2-5尺度變換增廣方法圖2-6展示了添加隨機(jī)噪聲對(duì)圖像的增廣結(jié)果。本課題選擇正態(tài)分布的高斯噪聲，下圖第一張圖像是原始圖像，隨之的圖像依次是標(biāo)準(zhǔn)差為5、10、20和30的加噪圖像。圖2-6加噪增廣方法圖2-7展示了隨機(jī)裁剪方法對(duì)圖像的增廣結(jié)果。第一張圖像是原始圖像，隨之的圖像是在圖像中隨機(jī)裁剪出大小為400×400的區(qū)域的結(jié)果。圖2-7隨機(jī)裁剪增廣方法隨后本課題設(shè)計(jì)了一種隨機(jī)混合方法對(duì)圖像進(jìn)行增廣。在傳統(tǒng)的數(shù)據(jù)增廣方法的基礎(chǔ)上，我們考慮對(duì)不同的圖像進(jìn)行混合，應(yīng)用隨機(jī)混合方法對(duì)數(shù)據(jù)進(jìn)行增廣，隨機(jī)選取兩張SPECT圖像并新建一張空白圖像，按照同一劃分方式將

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-13-首先應(yīng)用傳統(tǒng)增廣方法對(duì)圖像進(jìn)行增廣。傳統(tǒng)的圖像增廣方法主要有旋轉(zhuǎn)、尺度變換、添加噪聲和隨機(jī)裁剪等。通過(guò)這些方法，使每張圖像產(chǎn)生多種不同形態(tài)的副本，從而擴(kuò)充了數(shù)據(jù)集。這些方法在不改變圖像的語(yǔ)義特征的前提下增大了樣本量，使得樣本的數(shù)據(jù)分布更接近真實(shí)分布，防止模型出現(xiàn)過(guò)擬合。圖2-4展示了旋轉(zhuǎn)方法對(duì)圖像的增廣結(jié)果。第一張圖是原始圖像，隨之的圖像依次是順時(shí)針旋轉(zhuǎn)30°、60°、90°和120°的增廣圖像。圖2-4旋轉(zhuǎn)增廣方法圖2-5展示了尺度變換對(duì)圖像的增廣結(jié)果。第一張圖像是原始圖像，隨之的圖像依次是長(zhǎng)寬變換為原始圖像的90%、95%、105%和110%的增廣圖像。圖2-5尺度變換增廣方法圖2-6展示了添加隨機(jī)噪聲對(duì)圖像的增廣結(jié)果。本課題選擇正態(tài)分布的高斯噪聲，下圖第一張圖像是原始圖像，隨之的圖像依次是標(biāo)準(zhǔn)差為5、10、20和30的加噪圖像。圖2-6加噪增廣方法圖2-7展示了隨機(jī)裁剪方法對(duì)圖像的增廣結(jié)果。第一張圖像是原始圖像，隨之的圖像是在圖像中隨機(jī)裁剪出大小為400×400的區(qū)域的結(jié)果。圖2-7隨機(jī)裁剪增廣方法隨后本課題設(shè)計(jì)了一種隨機(jī)混合方法對(duì)圖像進(jìn)行增廣。在傳統(tǒng)的數(shù)據(jù)增廣方法的基礎(chǔ)上，我們考慮對(duì)不同的圖像進(jìn)行混合，應(yīng)用隨機(jī)混合方法對(duì)數(shù)據(jù)進(jìn)行增廣，隨機(jī)選取兩張SPECT圖像并新建一張空白圖像，按照同一劃分方式將


本文編號(hào)：3398737