內(nèi)窺鏡檢查是廣泛用于早期檢測多種癌癥(例如鼻咽癌,食道腺癌,胃癌,結腸直腸癌,膀胱癌等)的臨床程序,治療程序和微創(chuàng)手術(例如腹腔鏡檢查)。然而內(nèi)窺鏡檢查視頻幀會存在一些偽影造成成像的破壞(例如,像素飽和,運動模糊,散焦模糊,鏡面反射,氣泡,流體和碎屑)。在臨床內(nèi)窺鏡中對偽影的準確檢測,可以極大地加快跨所有疾病,器官和方式的有效定量臨床內(nèi)窺鏡分析的發(fā)展。隨著深度卷積神經(jīng)網(wǎng)絡在自然圖像應用和發(fā)展,越來越多的研究人員將深其應用到醫(yī)學圖像。本文針對內(nèi)窺鏡圖像中的偽影難以準確檢測的問題,將基于深度學習的目標檢測算法應用到偽影圖像中的定位和分類中。同時對比了不同的目標檢測算法的在內(nèi)窺鏡偽影檢測的效果,包括基于錨點框的兩階段目標檢測算法以及一階段目標檢測算法。同時基于全卷積神經(jīng)目標檢測算法FCOS做了詳盡的實驗,針對于FCOS在檢測精度以及檢測速度上進行了一定程度的改進。通過增加語義分割的弱監(jiān)督信息,增加模型整體的空間位置信息;針對FCOS模型原始的回歸分支的IoU Loss無法精確的反映邊界框的重合度程度的缺點,本文改進FCOS回歸分支的損失函數(shù)為GIoU Loss;同時增加中心采樣的方法,從而改...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1.1U-Net網(wǎng)絡網(wǎng)絡在內(nèi)窺鏡中的偽影來識別和定位中，也有眾多的作者使用基于深度學習的方

第1章緒論4圖1.1U-Net網(wǎng)絡網(wǎng)絡在內(nèi)窺鏡中的偽影來識別和定位中，也有眾多的作者使用基于深度學習的方法進行性能提升：SuhuiYan使用改進的基于錨點框的兩階段目標檢測算法CascadeR-CNN[21]模型與特征金字塔網(wǎng)絡（FPN）結合使用，以處理多類內(nèi)窺鏡中的偽影檢測。M....

圖2.1LeNet網(wǎng)絡示意圖

第2章基于深度學習的目標檢測算法7第2章基于深度學習的目標檢測算法目標檢測是一項重要的計算機視覺任務，用于檢測數(shù)字圖像中特定類別的視覺對象（例如人，動物或汽車）的實例。目標檢測的目的是提供特定實例在圖像中的位置以及類別，即：什么對象在哪里？在深度學習浪潮來臨之前，經(jīng)典的目標檢測算....

圖2.2AlexNet網(wǎng)絡示意圖

?椒ㄏ祿崾溝猛?繆盜犯?尤菀住４觭igmoid的圖像中我們可以看到，在sigmoid的輸出接近0或1時，函數(shù)的導數(shù)接近0。導數(shù)接近0，也就是網(wǎng)絡的梯度接近0，從而使得網(wǎng)絡的誤差無法通過反向傳播的鏈式法則傳到前面的層，使得網(wǎng)絡無法更新靠近輸出層的參數(shù)；而ReLU激活函數(shù)在大于0的區(qū)....

圖2.3隨著網(wǎng)絡深度增加網(wǎng)絡性能出現(xiàn)退化

第2章基于深度學習的目標檢測算法9圖2.3隨著網(wǎng)絡深度增加網(wǎng)絡性能出現(xiàn)退化He等人提出的殘差網(wǎng)絡的出現(xiàn)比較有效的解決了隨著深度增加的網(wǎng)絡退化問題[23]。對于一個由多個卷積層組成的卷積神經(jīng)網(wǎng)絡，將輸入記為x，網(wǎng)絡的輸出記為f(x)。與直接學習原始特征f(x)不同，殘差網(wǎng)絡希望網(wǎng)絡....

本文編號：3908759