慢性萎縮性胃炎是一種重要的胃部疾病,其發(fā)生和發(fā)展嚴(yán)重威脅著人類的身體健康。當(dāng)人體患有此種疾病時(shí),不僅需要長期忍受消化不良,胃酸胃脹等不適,同時(shí)也會導(dǎo)致經(jīng)常性的出血、誘發(fā)其他胃部疾病,甚至轉(zhuǎn)化成為胃癌,因此,醫(yī)學(xué)上將慢性萎縮性胃炎定性為嚴(yán)重的癌前病變。如果可以在早期發(fā)現(xiàn)并確診慢性萎縮性胃炎,就可以對患者的病情進(jìn)行提前干預(yù)和治療,從而降低病情惡化和癌化的風(fēng)險(xiǎn)。然而臨床上慢性萎縮性胃炎的胃鏡下表現(xiàn)非常復(fù)雜,其診斷效果與醫(yī)生經(jīng)驗(yàn)及醫(yī)療水平有著直接的關(guān)系,使得胃鏡圖像無法成為慢性萎縮性胃炎確診的主要依據(jù),必須聯(lián)合胃黏膜活組織病理檢查才能得出最終的診斷結(jié)果。人工診斷過程存在著費(fèi)時(shí)、費(fèi)力和主觀差異性較大的缺陷。隨著計(jì)算機(jī)硬件和算法的飛躍式發(fā)展,以深度學(xué)習(xí)為核心的人工智能技術(shù)在各行各業(yè)得到了廣泛的應(yīng)用。在醫(yī)療衛(wèi)生領(lǐng)域,由于深度學(xué)習(xí)在圖像識別等任務(wù)中的卓越表現(xiàn),其作為輔助診斷手段得到了醫(yī)學(xué)工作者的青睞。為實(shí)現(xiàn)慢性萎縮性胃炎的自動化診斷提供了一個新的研究方向。胃鏡圖像是慢性萎縮性胃炎診斷過程中必不可少的影像介質(zhì),可以觀察到高度清晰的胃部形態(tài)和黏膜表皮特征,同時(shí)也為深度學(xué)習(xí)輔助篩查慢性萎縮性胃炎提供了豐富的... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)概述
    2.1 深度學(xué)習(xí)相關(guān)基礎(chǔ)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)算法
        2.1.2 半精度浮點(diǎn)
        2.1.3 Sync Batch Normal
    2.2 慢性萎縮性胃炎胃鏡圖像數(shù)據(jù)介紹
        2.2.1 胃竇胃角圖像
        2.2.2 慢性萎縮性胃炎的特點(diǎn)
    2.3 數(shù)據(jù)預(yù)處理技術(shù)
TELEA算法">        2.3.1 INPAINT_TELEA算法
    2.4 傳統(tǒng)圖像特征
        2.4.1 SIFT特征
        2.4.2 HOG特征
        2.4.3 LBP特征
    2.5 本章小結(jié)
第三章 胃竇胃角圖像分類方法
    3.1 方法概述
    3.2 胃鏡圖像預(yù)處理
    3.3 胃鏡圖像特征提取
        3.3.1 SIFT特征提取
        3.3.2 LBP特征提取
        3.3.3 HOG特征提取
        3.3.4 GAH-CNN特征提取
    3.4 相關(guān)分類算法和組合規(guī)則
    3.5 本章小結(jié)
第四章 慢性萎縮性胃炎篩查方法
    4.1 方法概述
    4.2 基于SyBN-DesneNet的胃竇圖像慢性萎縮性胃炎篩查算法
        4.2.1 Dense Block模塊結(jié)構(gòu)
        4.2.2 SyBN-DenseNet網(wǎng)絡(luò)模型
        4.2.3 SyBN-DenseNet模型優(yōu)化
    4.3 基于SyBN-ResNet的胃角圖像慢性萎縮性胃炎篩查算法
        4.3.1 Residual Unit模塊結(jié)構(gòu)
        4.3.2 SyBN-ResNet網(wǎng)絡(luò)模型
        4.3.3 SyBN-ResNet模型優(yōu)化
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)說明
    5.2 實(shí)驗(yàn)平臺介紹
    5.3 胃竇胃角分類算法驗(yàn)證
        5.3.1 對比實(shí)驗(yàn)介紹
        5.3.2 GAH-CNN網(wǎng)絡(luò)參數(shù)優(yōu)化
        5.3.3 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)與分析
    5.4 慢性萎縮性胃炎篩查算法驗(yàn)證
        5.4.1 基于SyBN-DenseNet的胃竇圖像慢性萎縮性胃炎篩查驗(yàn)證
        5.4.2 基于SyBN-ResNet的胃角圖像慢性萎縮性胃炎篩查驗(yàn)證
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 進(jìn)一步研究方向
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]胃鏡對于慢性萎縮性胃炎的診斷效果分析[J]. 尚月華,李巖.  中國醫(yī)療器械信息. 2018(18)
[2]基于3D卷積神經(jīng)網(wǎng)絡(luò)的肝臟自動分割方法[J]. 何蘭,吳倩.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(06)
[3]慢性萎縮性胃炎的胃鏡與病理診斷的對比分析[J]. 潘多,孫思予,劉香,王晟,葛楠,王國鑫,郭瑾陶.  現(xiàn)代腫瘤醫(yī)學(xué). 2018(06)
[4]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標(biāo)檢測應(yīng)用綜述[J]. 周俊宇,趙艷明.  計(jì)算機(jī)工程與應(yīng)用. 2017(13)
[5]DTCNN的人臉識別算法的Map-Reduce并行化實(shí)現(xiàn)研究[J]. 郭禮華,牛新亞,馬軍,劉彥能.  系統(tǒng)工程理論與實(shí)踐. 2014(S1)
[6]基于SURF特征的航空序列圖像位置估計(jì)算法[J]. 喬奎賢,趙妮,李耀軍.  計(jì)算機(jī)工程與應(yīng)用. 2013(14)
[7]視頻數(shù)據(jù)庫索引技術(shù)研究及應(yīng)用[J]. 陳志圣,陳福生,劉慶.  微型電腦應(yīng)用. 2004(04)
[8]一種基于模糊規(guī)則的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其學(xué)習(xí)算法研究[J]. 施平安,陳文偉.  計(jì)算機(jī)工程與應(yīng)用. 2001(05)
[9]胃癌的病因與發(fā)病機(jī)理[J]. 冉宗學(xué).  中級醫(yī)刊. 1995(06)

碩士論文
[1]多層卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法的應(yīng)用研究[D]. 張萬亞.西安電子科技大學(xué) 2017
[2]意識障礙患者DTI序列的分析方法研究[D]. 康偉.北京理工大學(xué) 2016
[3]可見光/近紅外人臉識別方法的研究與實(shí)現(xiàn)[D]. 李杰.北京交通大學(xué) 2016
[4]基于圖像的物體識別算法研究[D]. 謝文治.電子科技大學(xué) 2011



本文編號：3026782