脂肪肝是引起肝功能不全的主要原因,B超已經(jīng)成為了是目前檢測脂肪肝最常用的手段。隨著計算機(jī)技術(shù)及醫(yī)療成像技術(shù)的迅速發(fā)展,醫(yī)生也面領(lǐng)著越來越多的醫(yī)學(xué)圖像診斷任務(wù),為了減輕醫(yī)生工作壓力,計算機(jī)輔助診斷系統(tǒng)就顯得尤為重要。近年來,深度學(xué)習(xí)取得了飛速發(fā)展,在各個領(lǐng)域都取得了巨大突破。在醫(yī)療輔助診斷系統(tǒng)中,深度學(xué)習(xí)極大地提高了診斷效率,但是對于脂肪肝超聲圖像識別還未出現(xiàn)相關(guān)成熟的研究成果。因此,基于深度學(xué)習(xí)的肝臟超聲圖像分類研究具有重要的實(shí)際應(yīng)用價值。針對基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的脂肪肝超聲圖像分類問題中,本文主要探討了網(wǎng)絡(luò)模型的建立,參數(shù)選擇及優(yōu)化方法等。主要工作有:1、驗(yàn)證了卷積神經(jīng)網(wǎng)絡(luò)對脂肪肝超聲圖像分類的可行性,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）的輔助診斷算法用于分類脂肪肝超聲圖像。該方法先是對真實(shí)的超聲脂肪肝圖像進(jìn)行預(yù)處理,然后通過灰度共生矩陣和對卷積中間過程可視化對其紋理特征進(jìn)行分析,最后根據(jù)紋理特征設(shè)計出一個包含跳躍連接的淺層CNN網(wǎng)絡(luò),再對比CNN不同參數(shù)的分類準(zhǔn)確率,最終確定一個最優(yōu)的CNN模型結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明,與其他分... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的發(fā)展歷程??Ｆｉｇ．?１－１?Ｄｅｖｅｌｏｐｍｅｎｔ?ｏｆ?ｄｅｅｐ?ｌｅａｒｎｉｎｇ?ａｎｄ?ｍａｃｈｉｎｅ?ｌｅａｒｎｉｎｇ??

?第二章基于ＣＮＮ的脂肪肝超聲圖像分類方法研宄???第二章基于ＣＮＮ的脂肪肝超聲圖像分類方法研究??２．１概述??脂肪肝是一種非常普遍的肝臟疾病，在普通人群中患病率大概在１５％左右，但是??每天飲酒超過６０克、酒精度大于４５％或者是肥胖的人群患病率會超過７５％，如果同??時患有肥胖癥并且每天大量飲酒的人患病率會高達(dá)９５％。在中國大約有２０％到３０％的??人患有不同程度脂肪肝，而在西方國家也有３０％左右的人患有脂肪肝，并且脂肪肝患??者的數(shù)量還在不斷增加［３（）］。??圖２－１是由專業(yè)醫(yī)生診斷的正常脂肪肝超聲圖像。正常肝臟的回聲性要等于或者??小于腎的回聲性，圖片比較清晰，可以觀察出腎臟內(nèi)部有血管。如果肝臟上面沉淀了??較多的脂肪，會影響到肝臟的回聲性，超聲的回聲會衰減程度與脂肪肝嚴(yán)重程度成正??比，如果是屬于重度脂肪肝，那么回聲會衰減非常明顯，得到的超聲圖像就會變得模??糊’很難看清肝臟內(nèi)部結(jié)構(gòu)。???Ｌｌ，?１??圖２－１正常的脂肪肝超聲圖像??Ｆｉｇ．２－１?Ｎｏｒｍａｌ?ｆａｔｔｙ?ｌｉｖｅｒ?ｕｌｔｒａｓｏｕｎｄ?ｉｍａｇｅ??Ｂ超圖像已經(jīng)是醫(yī)生在診斷病人是否患有脂肪肝的重要依據(jù)。隨著深度學(xué)習(xí)技術(shù)??在醫(yī)學(xué)領(lǐng)域不斷地發(fā)展，在很多疾病的診斷方面，它可以幫助醫(yī)生進(jìn)行輔助治療，甚??９??

?第二章基于ＣＮＮ的脂肪肝超聲圖像分類方法研究???大多數(shù)的圖像分類任務(wù)中，數(shù)據(jù)增強(qiáng)是常用于擴(kuò)展數(shù)據(jù)集的方法。它能夠提高數(shù)??據(jù)集的質(zhì)量，使得訓(xùn)練后的模型具有更高的準(zhǔn)確率和更強(qiáng)的魯棒性。本文的數(shù)據(jù)集是??脂肪肝超聲醫(yī)學(xué)圖像，醫(yī)學(xué)圖像不囘于自然圖像，它的質(zhì)量和數(shù)量都要小于自然圖像。??尤其是數(shù)量，在訓(xùn)練深度學(xué)習(xí)或者機(jī)器學(xué)習(xí)模型時，往往很難有大規(guī)模帶標(biāo)簽醫(yī)學(xué)圖??像數(shù)據(jù)集。??｜｜??圖２－５圖片旋轉(zhuǎn)??Ｆｉｇ．２－５?Ｉｍａｇｅ?ｒｏｔａｔｉｏｎ??數(shù)據(jù)增強(qiáng)常用的方法主要有：裁剪、反轉(zhuǎn)、旋轉(zhuǎn)等，這些常用的方法己經(jīng)證明了??可以提高數(shù)據(jù)的有效性，增強(qiáng)訓(xùn)練模型的魯棒性。因此，本實(shí)驗(yàn)通過反轉(zhuǎn)和旋轉(zhuǎn)數(shù)據(jù)??增強(qiáng)來提升數(shù)據(jù)集的數(shù)量，對于訓(xùn)練圖像數(shù)據(jù)集，每一類增加３０張圖像。從訓(xùn)練集??原有的圖片中隨機(jī)抽�。常皬垐D片，對每一張圖片進(jìn)行如圖２－５的操作，分別旋轉(zhuǎn)９０??度、１８０度、２７０度。然后將抽出的３０張原始圖像和旋轉(zhuǎn)后的圖像放回訓(xùn)練集，對四??類圖像的訓(xùn)練集都進(jìn)行這樣操作，這樣每類圖像訓(xùn)練集就擴(kuò)展到了?２８０張。??根據(jù)超聲成像的特性，四種不同類型的脂肪肝對超聲的衰減程度不同，因此圖像??在灰度上也存在一定差異。圖２－６是對四類圖像灰度值進(jìn)行的定量和統(tǒng)計分析。??Ｃｌ，Ｃ２，?Ｃ３和Ｃ４分別對應(yīng)于正常、輕度、中度和重度脂肪肝圖像。不同的類??別灰度存在一定的差別。因此，首先是基于像素級特征，基于兩組｛Ｃｌ，?Ｃ２｝、｛Ｃ３，??Ｃ４｝對圖像做一個預(yù)處理。??Ｃ１和Ｃ２類的輸入塊圖像的總平均值通過公式（２－１）計算出中，其中ｎ是代表Ｃ１??和Ｃ２類的總得訓(xùn)練集數(shù)據(jù)量。??１３??


本文編號：3523054