準(zhǔn)確的人體上表皮（Human Epithelial-2,HEp-2）細(xì)胞圖像分類(lèi)在許多自身免疫性疾病的診斷和后續(xù)治療中起著重要的作用。例如,系統(tǒng)性風(fēng)濕性疾病、多發(fā)性硬化癥、藥物性紅斑狼瘡,系統(tǒng)性紅斑狼瘡和糖尿病等。而圖像分割一般是圖像分類(lèi)以及后期的診斷和治療過(guò)程的第一步。其中關(guān)鍵的挑戰(zhàn)是不均勻照明引起的巨大的類(lèi)內(nèi)差距和很小的類(lèi)間差距以及背景噪聲的問(wèn)題。為了解決這一難題,設(shè)計(jì)一套計(jì)算機(jī)輔助診斷系統(tǒng)幫助醫(yī)生自動(dòng)化進(jìn)行分割、分類(lèi)變成了一個(gè)熱門(mén)的課題,本文主要是針對(duì)HEp-2細(xì)胞圖像自動(dòng)化分割、分類(lèi)的算法研究,提出了基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的三種不同的深層次特征學(xué)習(xí)方法:其一,本文提出的成對(duì)旋轉(zhuǎn)不變共生局部二值法（Pairwise Rotation Invariant Co-occurrence Local Binary Pattern,PRICoLBP）方法用具有較強(qiáng)的分類(lèi)能力和魯棒性。PRICo LBP不僅具有旋轉(zhuǎn)不變性,還能夠有效的捕捉空間上下文共生信息。PRICoLBP通過(guò)確保響應(yīng)的共生對(duì)和有效的成對(duì)旋轉(zhuǎn)不變編碼策略獲得旋轉(zhuǎn)不變性,編碼了反映局部曲率信息的共生對(duì)的相對(duì)方向角度保證了其強(qiáng)大... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究目的及意義
    1.2 HEP-2細(xì)胞分類(lèi)的研究現(xiàn)狀
    1.3 本文工作及內(nèi)容安排
第2章 基于成對(duì)旋轉(zhuǎn)不變共生局部二值法對(duì)HEP-2細(xì)胞圖像的分類(lèi)
    2.1 引言
    2.2 實(shí)驗(yàn)方法
        2.2.1 成對(duì)旋轉(zhuǎn)不變共發(fā)生局部二值模型（PRICoLBP）
        2.2.2 密度尺度不變特征轉(zhuǎn)換（DSIFT）
    2.3 實(shí)驗(yàn)結(jié)果及分析
        2.3.1 數(shù)據(jù)集（ICPR2012）
        2.3.2 實(shí)驗(yàn)結(jié)果評(píng)估方法
        2.3.3 實(shí)驗(yàn)用時(shí)
        2.3.4 分類(lèi)準(zhǔn)確率
        2.3.5 同類(lèi)方法結(jié)果對(duì)比
    2.4 本章小結(jié)
第3章 基于深監(jiān)督殘差網(wǎng)絡(luò)的跨模型遷移學(xué)習(xí)對(duì)HEP-2細(xì)胞圖像的分類(lèi)
    3.1 引言
    3.2 深監(jiān)督殘差網(wǎng)絡(luò)的相關(guān)工作
        3.2.1 殘差網(wǎng)絡(luò)
        3.2.2 遷移學(xué)習(xí)
    3.3 實(shí)驗(yàn)方法
        3.3.1 深度殘差網(wǎng)絡(luò)
        3.3.2 深度監(jiān)督殘差網(wǎng)絡(luò)（DSRN）
        3.3.3 跨模型遷移學(xué)習(xí)
    3.4 結(jié)果及對(duì)比分析
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 實(shí)驗(yàn)結(jié)果
    3.5 特征學(xué)習(xí)與可視化
    3.6 結(jié)果分析
    3.7 本章小結(jié)
第4章 稠密反卷積網(wǎng)絡(luò)對(duì)HEP-2細(xì)胞圖像分割及分類(lèi)
    4.1 引言
    4.2 稠密的反卷積網(wǎng)絡(luò)（DDN）
        4.2.1 稠密反卷積層（DDL）
        4.2.2 鏈?zhǔn)綒埐畛鼗瘜?br>        4.2.3 層級(jí)監(jiān)督
    4.3 分割效果及分析
    4.4 分類(lèi)結(jié)果及分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車(chē)牌字符識(shí)別研究[J]. 趙志宏,楊紹普,馬增強(qiáng).  系統(tǒng)仿真學(xué)報(bào). 2010(03)



本文編號(hào)：3152466