發(fā)布時間：2021-07-06 18:28

　　癌癥是造成世界上人類死亡的主要原因,其中結腸癌患者數(shù)量多且死亡率較高,它已經(jīng)成為影響人類生命的第三大危險癌癥,但其早期診斷成活率只有50%。因此,對結腸癌進行準確的早期診斷與分析具有重要的研究價值和意義。近年來,通過自動化分析結腸癌圖像細胞核進行早期診斷已有一些研究成果,但存在手動提取特征誤差大、診斷精確度低等問題。隨著深度學習的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡可以直接對原始圖像提取特征,從而在醫(yī)學圖像處理方面取得了重大突破。但是,由于其自身存在訓練耗時以及結腸癌圖像細胞核自身高度的異質性,致使以往的一些方法很難對結腸癌圖像細胞核進行高效的分類。針對以上問題,本文首先從卷積神經(jīng)網(wǎng)絡的內部結構出發(fā),研究了全連接層對卷積神經(jīng)網(wǎng)絡性能的影響以及數(shù)據(jù)集與網(wǎng)絡之間存在的潛在關系;提出了重疊聚類的卷積模型來提高網(wǎng)絡的訓練速度;參考全連接層對卷積神經(jīng)網(wǎng)絡性能影響的實驗設置,提出了基于聚類卷積的結腸癌圖像細胞核分類新方法。論文的主要研究內容如下:（1）研究了全連接層對卷積神經(jīng)網(wǎng)絡性能的影響。本文提出了三種由淺到深的初始網(wǎng)絡架構依次為Net-1、Net-2及Net-3。通過逐漸增加全連接層單層中神經(jīng)元的個數(shù)來研究... 

【文章來源】：西北師范大學甘肅省

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

Net-1網(wǎng)絡結構

第3章全連接層對卷積神經(jīng)網(wǎng)絡性能影響的研究15VGG-16網(wǎng)絡是由13個卷積層和3個全連接層組成。我們將VGG-16最后連續(xù)3個通道數(shù)為512的3×3的卷積塊去掉，全連接層層數(shù)設置為1層，神經(jīng)元數(shù)目設置為4而形成Net-3的初始網(wǎng)絡結構；再將Net-3的2個3層的連續(xù)卷積塊各去掉一層而得到Net-2的初始網(wǎng)絡結構。Net-2、Net-3網(wǎng)絡結構分別如圖3-2，圖3-3；兩者的網(wǎng)絡內部配置如表3-2所示。卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一層抽取一層圖3-2Net-2結構圖卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000圖3-3Net-3結構圖表3-1Net-1網(wǎng)絡的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14

第3章全連接層對卷積神經(jīng)網(wǎng)絡性能影響的研究15VGG-16網(wǎng)絡是由13個卷積層和3個全連接層組成。我們將VGG-16最后連續(xù)3個通道數(shù)為512的3×3的卷積塊去掉，全連接層層數(shù)設置為1層，神經(jīng)元數(shù)目設置為4而形成Net-3的初始網(wǎng)絡結構；再將Net-3的2個3層的連續(xù)卷積塊各去掉一層而得到Net-2的初始網(wǎng)絡結構。Net-2、Net-3網(wǎng)絡結構分別如圖3-2，圖3-3；兩者的網(wǎng)絡內部配置如表3-2所示。卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一層抽取一層圖3-2Net-2結構圖卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000圖3-3Net-3結構圖表3-1Net-1網(wǎng)絡的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14

【參考文獻】：
期刊論文
[1]機器學習算法在中醫(yī)診療中的研究綜述[J]. 張曉航,石清磊,王斌,王炳蔚,王永吉,陳力,吳敬征.  計算機科學. 2018(S2)
[2]結腸癌治療方法研究進展[J]. 胡盛,于恩達.  結直腸肛門外科. 2016(06)
[3]計算機輔助診斷在醫(yī)學影像診斷中的基本原理和應用進展[J]. 高歌,馬帥,王霄英.  放射學實踐. 2016(12)
[4]結腸癌肝轉移動物模型的研究進展[J]. 王理,張文斌.  中國現(xiàn)代普通外科進展. 2014(02)
[5]結腸疾病的影像學和結腸鏡檢查的對比分析[J]. 樊民義,劉輝,梁曉燕,黃范利.  實用放射學雜志. 2008(08)
[6]螺旋CT結腸成像術在結腸癌分型中的應用[J]. 孔祥林,宋冰,張文婧,顧建華,郝明利,姜繽,溫連慶,夏爽,沈文.  天津醫(yī)藥. 2006(11)
[7]結腸癌的CT診斷[J]. 王平珍,陳玉賢.  中國煤炭工業(yè)醫(yī)學雜志. 2004(03)

碩士論文
[1]TEOA抗人結腸癌細胞作用機制的初步研究[D]. 張丹丹.浙江大學 2017
[2]醫(yī)學圖像分類中的特征融合與特征學習研究[D]. 何樂樂.電子科技大學 2015



本文編號：3268754