超聲作為臨床中最常用的篩查診斷工具之一,已被公認(rèn)為是乳腺癌、甲狀腺癌的首選影像學(xué)檢查方法。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,將計(jì)算機(jī)視覺(jué)、模式識(shí)別技術(shù)的成果應(yīng)用于臨床超聲的計(jì)算機(jī)輔助診斷分析中成為當(dāng)前國(guó)際醫(yī)療影像領(lǐng)域的研究熱點(diǎn)。由于超聲數(shù)據(jù)成像質(zhì)量低:存在大量斑點(diǎn)噪聲、邊緣細(xì)節(jié)不清晰,以及現(xiàn)有公開(kāi)數(shù)據(jù)集少且規(guī)模小,數(shù)據(jù)集中陽(yáng)性樣本與陰性樣本數(shù)量級(jí)差異明顯等問(wèn)題,利用計(jì)算機(jī)輔助診斷手段進(jìn)行超聲圖像自動(dòng)分類(lèi)頗具挑戰(zhàn)。首先,為解決超聲圖像數(shù)據(jù)集的小樣本問(wèn)題,本文探索了標(biāo)注樣本稀缺的情況下進(jìn)行遷移學(xué)習(xí)的有效性,分別從自然圖像領(lǐng)域及人臉圖像領(lǐng)域?qū)⒛Ｐ蛥?shù)遷移至醫(yī)療超聲領(lǐng)域,選取經(jīng)典的分類(lèi)網(wǎng)絡(luò)AlexNet、醫(yī)療影像分類(lèi)任務(wù)中的常用網(wǎng)絡(luò)VGG-16、人臉識(shí)別領(lǐng)域中性能先進(jìn)的SphereFace進(jìn)行遷移學(xué)習(xí)實(shí)驗(yàn),其中基于AlexNet、VGG-16和SphereFace進(jìn)行跨領(lǐng)域遷移的網(wǎng)絡(luò)在甲狀腺超聲數(shù)據(jù)集上的分類(lèi)準(zhǔn)確率分別為89.3%、91.33%和93.54%。另外,本文研究基于GAN網(wǎng)絡(luò)的樣本擴(kuò)增,首先以傳統(tǒng)數(shù)據(jù)增強(qiáng)方式進(jìn)行數(shù)據(jù)增廣,增廣后的數(shù)據(jù)集輸入GAN進(jìn)行特征學(xué)習(xí),以生成高質(zhì)量的超聲圖像樣本作為新... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)在醫(yī)療影像中的應(yīng)用
        1.2.2 超聲圖像分類(lèi)識(shí)別研究現(xiàn)狀
        1.2.3 超聲圖像分類(lèi)識(shí)別的難點(diǎn)與挑戰(zhàn)
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文章節(jié)結(jié)構(gòu)安排
        1.4.1 本文技術(shù)路線
        1.4.2 本文章節(jié)安排
第2章 相關(guān)技術(shù)理論
    2.1 引言
    2.2 GAN網(wǎng)絡(luò)
    2.3 遷移學(xué)習(xí)
    2.4 類(lèi)不平衡問(wèn)題
    2.5 本章小結(jié)
第3章 超聲圖像數(shù)據(jù)集及預(yù)處理
    3.1 引言
    3.2 超聲圖像數(shù)據(jù)集
        3.2.1 BUS1 數(shù)據(jù)集
        3.2.2 BUS2 數(shù)據(jù)集
        3.2.3 TUS1 數(shù)據(jù)集
        3.2.4 TUS2 數(shù)據(jù)集
    3.3 實(shí)驗(yàn)運(yùn)行環(huán)境配置
    3.4 超聲數(shù)據(jù)預(yù)處理
        3.4.1 基于EEAD的超聲圖像去噪
        3.4.2 基于MSRCP的超聲圖像增強(qiáng)
    3.5 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.5.1超聲圖像去噪對(duì)比實(shí)驗(yàn)
        3.5.2超聲圖像增強(qiáng)對(duì)比實(shí)驗(yàn)
    3.6 本章小結(jié)
第4章 面向小樣本問(wèn)題的數(shù)據(jù)增廣及遷移學(xué)習(xí)
    4.1 引言
    4.2 基于GAN的超聲數(shù)據(jù)增廣
    4.3 跨領(lǐng)域遷移學(xué)習(xí)
    4.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.4.1遷移學(xué)習(xí)良惡性分類(lèi)實(shí)驗(yàn)
        4.4.2應(yīng)用不同增廣方案的良惡性分類(lèi)實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 面向數(shù)據(jù)不平衡問(wèn)題的超聲圖像分類(lèi)
    5.1 引言
    5.2 面向類(lèi)不平衡問(wèn)題的超聲圖像良惡性分類(lèi)
        5.2.1 基于SMOTE的少數(shù)類(lèi)樣本過(guò)采樣
        5.2.2 結(jié)合深度特征的SVM良惡性分類(lèi)
    5.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        5.3.1基于SMOTE過(guò)采樣的良惡性分類(lèi)實(shí)驗(yàn)
        5.3.2基于SVM特征分類(lèi)的良惡性分類(lèi)實(shí)驗(yàn)
        5.3.3 與其他算法對(duì)比
    5.4 本章小結(jié)
總結(jié)與展望
    本人工作總結(jié)
    未來(lái)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及科研成果


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在醫(yī)學(xué)超聲圖像分析中的應(yīng)用綜述[J]. 劉盛鋒,王毅,楊鑫,雷柏英,劉立,李享,倪東,汪天富.  Engineering. 2019(02)
[2]醫(yī)學(xué)超聲影像學(xué)教學(xué)改革的探討[J]. 江峰.  教育教學(xué)論壇. 2017(21)
[3]分化型甲狀腺癌術(shù)前影像及穿刺病理診斷評(píng)估[J]. 陳曦.  中華普外科手術(shù)學(xué)雜志(電子版). 2016(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的頸動(dòng)脈斑塊超聲圖像特征識(shí)別[J]. 孫夏,吳蔚,吳鵬,丁明躍.  中國(guó)醫(yī)療器械信息. 2016(09)
[5]多尺度Retinex模型的肝臟超聲圖像增強(qiáng)算法[J]. 黃亞麗,劉志文,趙真.  數(shù)據(jù)采集與處理. 2013(05)
[6]基于Bayer CFA自動(dòng)白平衡算法的實(shí)現(xiàn)[J]. 錢(qián)勇,白瑞林,姚林昌,何薇.  數(shù)據(jù)采集與處理. 2012(03)
[7]醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J]. 劉俊敏,黃忠全,王世耕,張潁.  醫(yī)療衛(wèi)生裝備. 2005(12)

碩士論文
[1]超聲甲狀腺結(jié)節(jié)自動(dòng)分類(lèi)研究[D]. 熊偉.西南交通大學(xué) 2014



本文編號(hào)：3447225