作為一種非侵入式現(xiàn)代醫(yī)學成像技術,無線膠囊內(nèi)窺鏡技術已經(jīng)廣泛應用于胃腸道疾病檢查。然而,產(chǎn)生的海量數(shù)據(jù)給醫(yī)生帶來了沉重的負擔,利用計算機輔助醫(yī)生智能診斷是當前迫切的需求。出血癥狀是許多胃腸道疾病常見的綜合癥狀,而微小出血病灶對于諸如早期胃癌等疾病的早期發(fā)現(xiàn)尤為重要。因此,構建針對內(nèi)窺鏡圖像中出血病灶,尤其是微小出血病灶點的檢測方法,具有重要的理論和實際意義。針對微小出血病灶的檢測提出了一種基于深度卷積神經(jīng)網(wǎng)絡的檢測模型。首先構建基礎特征提取網(wǎng)絡,通過深度卷積神經(jīng)網(wǎng)絡從圖像中自動提取特征。然后,再利用多尺度區(qū)域建議神經(jīng)網(wǎng)絡從特征金字塔中篩選出出血目標的候選區(qū)域,事先篩選出目標可能存在的區(qū)域不僅可以突出目標特征,且有助于減少無效特征的融合。之后,再通過構建自頂向下的特征融合網(wǎng)絡,實現(xiàn)對目標淺層特征和深層特征的融合,通過融合不同層次特征解決了微小出血病灶特征丟失問題導致無法有效檢測的問題,從而實現(xiàn)對微小出血病灶的精準檢測。利用真實的臨床數(shù)據(jù)對模型進行訓練和測試,實驗結果表明在包含微小出血病灶的圖像數(shù)據(jù)集上,基于深度卷積神經(jīng)網(wǎng)絡構建的多尺度特征融合出血檢測方法在靈敏度、準確率和F_1<...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖2-2卷積神經(jīng)網(wǎng)絡典型結構

圖2-2卷積神經(jīng)網(wǎng)絡典型結構卷積神經(jīng)網(wǎng)絡基本結構主要由輸入層、卷積層，采樣層（也稱池化層）、全連接層和輸出層組成。從輸入圖像開始，首先通過卷積層和采樣層對圖像進行特征提取，然后再通過全連接層對特征進行分類，全連接層相當于起了分類器的作用。（1）卷積層卷積神經(jīng)網(wǎng)絡是利用卷積層....

圖2-3原始圖像和特征圖

華中科技大學碩士學位論文（3）全連接層全連接層作用是將輸入的高維特征轉換為一維特征，方便后續(xù)分類。全連接神經(jīng)單元可以看成是一個多項式函數(shù)，有時候只有一層全連接層很難解決題，因此一般會使用兩個及以上的全連接層。由于全連接層的參數(shù)可占整個的80%左右，往往存....

圖4-5各項指標統(tǒng)計結果

適用于復雜出血情況圖像的檢測。如圖4-4所示，圖（a）（c）是針對僅包含微小出血病灶圖像的檢測結果，圖（d）是包含中等目標尺寸的出血病灶圖像檢測結果，圖（e）是同時包含中等目標尺寸和微小目標尺寸的復雜出血病灶圖像的檢測結果，圖（f）是同時包含大目標尺寸和微小目標尺寸的復雜出....

圖4-6P-R曲線對比

圖4-6P-R曲線對比在檢測時間方面，拍攝幀率是每秒2張的速度進行拍攝，即拍攝一張WCE圖像需要花費0.5s。通過統(tǒng)計每次檢測耗費的時間，計算得到每次檢測耗費時間的平均值發(fā)現(xiàn)，當候選區(qū)域建議數(shù)目設置為300時，平均檢測速度為0.07s/張圖像，當區(qū)域建議數(shù)目....

本文編號：4003869