人工智能技術(shù)與醫(yī)學(xué)圖像結(jié)合的病情診斷方案是近年來的研究熱點(diǎn)。對(duì)患有腸胃疾病的高危人群而言,及時(shí)通過光學(xué)內(nèi)窺鏡檢查并且去除癌前病變可以降低腸道癌變的風(fēng)險(xiǎn),所以通過深度重建腸道信息對(duì)病情的診斷有著重要的意義。通過幾何光學(xué)理解場(chǎng)景信息的傳統(tǒng)方法精確度較低,并且腸道的尺寸限制了雙目等復(fù)雜結(jié)構(gòu)深度傳感器的使用,同時(shí)腸道內(nèi)存在光斑以及腸道組織表面紋理特征稀疏,使得傳感器獲取的深度信息會(huì)有部分丟失,這些對(duì)腸道圖像的三維重建都是挑戰(zhàn)。針對(duì)上述的難題,首先提出了一種基于多尺度融合的深度卷積神經(jīng)網(wǎng)絡(luò)模型（Multi-scale fusion Depth Convolution Neural Network,MDCNN）進(jìn)行單張彩色圖像的深度估計(jì)。利用多個(gè)尺度的深度卷積神經(jīng)網(wǎng)絡(luò)分別提取豐富的圖像特征,然后利用反卷積操作將多個(gè)尺度融合于一個(gè)卷積神經(jīng)網(wǎng)絡(luò)框架。提出的多尺度模型成功的解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型深度估計(jì)輸入與輸出尺寸不統(tǒng)一,部分特征信息缺失的難題。其次針對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型估計(jì)的深度圖像輪廓不清晰,局部細(xì)節(jié)不平滑以及限制輸入尺寸的問題,在多尺度絡(luò)模型的基礎(chǔ)上提出了一種聯(lián)合條件隨機(jī)場(chǎng)與多尺度融合的深度全卷積... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人體腸胃的解剖圖

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[2]聚焦性檢測(cè)與彩色信息引導(dǎo)的光場(chǎng)圖像深度提取[J]. 胡良梅,姬長(zhǎng)動(dòng),張旭東,張駿,王麗娟.  中國(guó)圖象圖形學(xué)報(bào). 2016 (02)



本文編號(hào)：3480568