宮頸癌不僅在女性生殖器官腫瘤中占首位,而且是女性各種惡性腫瘤中最常見(jiàn)的。通過(guò)早期的宮頸篩查工作,可以有效地降低女性患宮頸癌的風(fēng)險(xiǎn),同時(shí)可以有針對(duì)性的對(duì)早期的宮頸病變進(jìn)行觀察和診斷。醋酸實(shí)驗(yàn)是早期宮頸癌主要的篩查方法,臨床醫(yī)生需要通過(guò)肉眼來(lái)觀察醋酸實(shí)驗(yàn)的結(jié)果。由于人工陰道鏡局部醋酸實(shí)驗(yàn)存在較多的干擾因素,主要表現(xiàn)為專業(yè)醫(yī)生主觀診斷性過(guò)強(qiáng)、資質(zhì)及水平不同、診斷過(guò)于復(fù)雜以及容易導(dǎo)致漏判誤判等。在上述研究背景下,實(shí)現(xiàn)智能化宮頸病變圖像篩查系統(tǒng)具有重要意義。近年來(lái),隨著宮頸篩查技術(shù)的發(fā)展,積累了大量的宮頸病變圖像數(shù)據(jù),為宮頸病變醫(yī)學(xué)圖像的研究提供了豐富的數(shù)據(jù)源。目前,深度學(xué)習(xí)技術(shù)已經(jīng)成功應(yīng)用于醫(yī)療輔助診斷領(lǐng)域,通過(guò)深度學(xué)習(xí)技術(shù)對(duì)宮頸病變圖像進(jìn)行預(yù)測(cè)將會(huì)有效地提高診斷的準(zhǔn)確率。本文首先使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)宮頸病變圖像進(jìn)行分類預(yù)測(cè),結(jié)合Inception和ResNet的優(yōu)點(diǎn)提出一種改進(jìn)的模型Inception-ResNet,并利用遷移學(xué)習(xí)來(lái)對(duì)模型進(jìn)行訓(xùn)練,然后對(duì)比了幾種常見(jiàn)的卷積神經(jīng)網(wǎng)格模型的效果。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)的不足,本文又引入了膠囊神經(jīng)網(wǎng)絡(luò),在融合卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了CNN-CapsNe... 

【文章來(lái)源】：華僑大學(xué)福建省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

前向反饋神經(jīng)網(wǎng)絡(luò)（多層感知器）

在公式2.6中,f(?)是原始圖片或者特征圖,g(?)作為卷積核。圖2.2展示了卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作過(guò)程,卷積核函數(shù)為。對(duì)于圖2.2中左邊7×7的圖像,使用3×3的卷積核,設(shè)滑動(dòng)步長(zhǎng)為1,卷積一次后,生成的圖像即為特征圖,特征圖的大小可以通過(guò)卷積核以及滑動(dòng)步長(zhǎng)計(jì)算,大小為(7-3+1)×(7-3+1),即5×5。在卷積層中,不同大小和參數(shù)的卷積核可以提取不同的圖像特征,通過(guò)訓(xùn)練多個(gè)不同的核函數(shù)來(lái)提取圖像中的不同特征,同時(shí)可以將核函數(shù)應(yīng)用到多個(gè)特征圖中,生成下一層卷積需要的特征圖,如公式（2.7）[45]所示。

最大池化的操作過(guò)程可以描述如下,其中圖2.3為4×4的矩陣數(shù)據(jù),圖2.4為2×2,步長(zhǎng)為2的最大池化操作,圖2.5是按照最大池化結(jié)果。圖2.4最大池化操作


本文編號(hào)：2938305