醫(yī)療影像的自動(dòng)化檢測識(shí)別精度的提升是提高病理科醫(yī)生工作效率的關(guān)鍵,乳腺鉬靶片中腫塊的檢測識(shí)別作為醫(yī)療圖像自動(dòng)化檢測識(shí)別的重要組成部分,是目前學(xué)術(shù)界以及工業(yè)界研究的熱點(diǎn)方向,通過提升對(duì)乳腺腫塊檢測、識(shí)別的準(zhǔn)確率對(duì)于醫(yī)生的實(shí)際工作以及普及腫塊篩查具有非常重要的意義。卷積神經(jīng)網(wǎng)絡(luò)作為一種仿生物視覺機(jī)制的工作模式,在強(qiáng)監(jiān)督學(xué)習(xí)下通過其獨(dú)有的特性參數(shù)間的共享信息以及各層之間的連接稀疏性能夠讓學(xué)習(xí)到非常細(xì)小的圖像特征,但在醫(yī)學(xué)圖像上的應(yīng)用仍舊存在非常多的問題,這也是由于醫(yī)學(xué)圖像自身圖像信息復(fù)雜、組織區(qū)別細(xì)微、特殊情況需要結(jié)合多幅視圖特征等原因造成的同時(shí)醫(yī)學(xué)圖像標(biāo)注復(fù)雜。本文針對(duì)模型做出了以下改進(jìn):（1）在經(jīng)典的全卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了一種基于主動(dòng)學(xué)習(xí)策略和金字塔池化的檢測算法。一方面通過引入主動(dòng)學(xué)習(xí)的訓(xùn)練策略,減少了數(shù)據(jù)的標(biāo)注工作量;另一方面由于鉬靶影像上組織區(qū)別細(xì)微且不同病患之間腫塊尺寸差異性非常大,通過對(duì)卷積層提取到的特征進(jìn)行不同大小的池化拼接,增強(qiáng)了算法的泛化能力。（2）在醫(yī)生的實(shí)際工作流程中要進(jìn)行判斷的時(shí)候是要結(jié)合多視圖的基礎(chǔ)上提出了一種基于雙視圖的腫塊匹配算法。通過VGG16網(wǎng)絡(luò)模型... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 醫(yī)療乳腺腫塊輔助診斷系統(tǒng)
        1.2.2 乳腺檢查圖像成像技術(shù)
        1.2.3 乳腺腫塊檢測
        1.2.4 乳腺腫塊識(shí)別
    1.3 論文研究內(nèi)容
    1.4 本文章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)檢測及識(shí)別相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)分割檢測
        2.1.1 FCN模型介紹
        2.1.2 U-Net模型介紹
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別
    2.3 本章小結(jié)
第3章 基于改進(jìn)FCN網(wǎng)絡(luò)的乳腺腫塊檢測
    3.1 數(shù)據(jù)準(zhǔn)備
        3.1.1 數(shù)據(jù)擴(kuò)展
        3.1.2 數(shù)據(jù)集的標(biāo)注
    3.2 關(guān)鍵技術(shù)
        3.2.1 金字塔池化融合
        3.2.2 主動(dòng)學(xué)習(xí)
    3.3 乳腺X線照片腫塊檢測框架
    3.4 網(wǎng)絡(luò)訓(xùn)練
    3.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 視覺對(duì)比分析
    3.7 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的雙視圖腫塊匹配識(shí)別
    4.1 數(shù)據(jù)標(biāo)注
    4.2 雙視圖腫塊匹配的技術(shù)關(guān)鍵
        4.2.1 匹配對(duì)參考對(duì)象
        4.2.2 匹配對(duì)的分類判別及特征提取
    4.3 雙視圖腫塊匹配框架
    4.4 網(wǎng)絡(luò)模型設(shè)計(jì)
    4.5 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]磁共振成像與乳腺鉬靶X線攝影檢查在乳腺癌患者中的診斷價(jià)值[J]. 凌洪.  醫(yī)療裝備. 2019(15)
[2]彩超診斷乳腺腫塊的臨床應(yīng)用[J]. 徐琳琳.  人人健康. 2019(11)
[3]基于深度自編碼網(wǎng)絡(luò)的運(yùn)動(dòng)目標(biāo)檢測[J]. 徐培,蔡小路,何文偉,謝易道.  計(jì)算機(jī)應(yīng)用. 2014(10)
[4]最小差異采樣的主動(dòng)學(xué)習(xí)圖像分類方法[J]. 吳健,盛勝利,趙朋朋,崔志明.  通信學(xué)報(bào). 2014(01)
[5]一種結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督文檔聚類算法[J]. 趙衛(wèi)中,馬慧芳,李志清,史忠植.  軟件學(xué)報(bào). 2012(06)
[6]快速離散化雙線性插值算法[J]. 陳良,高成敏.  計(jì)算機(jī)工程與設(shè)計(jì). 2007(15)
[7]用于神經(jīng)網(wǎng)絡(luò)手寫體字符識(shí)別的自適應(yīng)歸一化處理方法[J]. 孫光民,李巖,王鵬,楊靜.  模式識(shí)別與人工智能. 2005(03)
[8]基于雙線性插值算法的圖像放縮技術(shù)與實(shí)現(xiàn)[J]. 馮慧君,陶素娟,李隆.  計(jì)算機(jī)應(yīng)用與軟件. 2004(07)

博士論文
[1]多視角乳腺X線圖像的乳腺癌檢測與分類方法研究[D]. 李艷鳳.北京交通大學(xué) 2015



本文編號(hào)：2976647