內(nèi)窺鏡檢查是臨床上檢查消化道病變最基礎(chǔ)和最直接的手段。然而由內(nèi)窺鏡采集到的消化道圖像包含大量的干擾因素,例如鏡面反射、運(yùn)動(dòng)模糊、氣泡等,這些干擾因素的存在十分不利于醫(yī)生的診斷和治療。此外,在開(kāi)發(fā)消化內(nèi)鏡圖像數(shù)據(jù)幀的質(zhì)量評(píng)估算法時(shí),圖像中存在的干擾也是重點(diǎn)考慮的對(duì)象。因此,發(fā)展消化道內(nèi)鏡圖像干擾的檢測(cè)方法,對(duì)于發(fā)展可靠的消化道病變計(jì)算機(jī)輔助診斷工具、自動(dòng)圖像質(zhì)量評(píng)估算法以及提升實(shí)際診療效果十分重要。在消化道病變的人工診斷方面,內(nèi)鏡圖像龐大的數(shù)據(jù)量以及病變外觀的多樣性等因素增加了醫(yī)生診斷的難度,容易導(dǎo)致漏診和誤診。因此,發(fā)展消化道病變區(qū)域自動(dòng)分割算法,能夠幫助減輕醫(yī)生負(fù)擔(dān),可在一定程度上輔助醫(yī)生的診斷和治療,有助于降低漏診和誤診率,具有重要的實(shí)際意義。為此,本文對(duì)消化道內(nèi)鏡圖像的干擾檢測(cè)與病變分割方法進(jìn)行了研究。主要研究?jī)?nèi)容如下:（1）基于深度學(xué)習(xí)的消化道內(nèi)鏡圖像干擾檢測(cè)方法研究發(fā)展了基于級(jí)聯(lián)區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Cascade Regions with Convolution Neural Network,Cascade RCNN）的目標(biāo)檢測(cè)網(wǎng)絡(luò),運(yùn)用級(jí)聯(lián)目標(biāo)檢測(cè)器實(shí)現(xiàn)對(duì)多尺度目標(biāo)的檢測(cè)。首... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

R-CNN網(wǎng)絡(luò)模型[24]

電子科技大學(xué)碩士學(xué)位論文10圖2-2Fast-RCNN的網(wǎng)絡(luò)模型[25]2.2.1.3FasterRCNN與R-CNN相比，F(xiàn)astRCNN的檢測(cè)速率快了很多，但由于二者均使用了運(yùn)算負(fù)荷較大的選擇性搜索算法，所以FastRCNN并沒(méi)有完全解決檢測(cè)速率慢的問(wèn)題。鑒于此，Ren等人在2016年提出了改進(jìn)的目標(biāo)檢測(cè)網(wǎng)絡(luò)：FasterRCNN，該網(wǎng)絡(luò)使用區(qū)域建議網(wǎng)絡(luò)（RegionProposalNetwork,RPN）來(lái)生成候選區(qū)域，進(jìn)一步提升了算法的速度，其網(wǎng)絡(luò)模型如圖2-3所示。圖2-3FasterR-CNN的網(wǎng)絡(luò)模型[26]RPN將原始圖像經(jīng)過(guò)CNN提取到的特征圖作為輸入，并生成一組候選區(qū)域，每個(gè)區(qū)域的輸出都包含類別得分和邊界框偏移量，其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2-4所示。RPN首先將特征圖上的每一個(gè)像素點(diǎn)作為錨點(diǎn)，以它為中心點(diǎn)生成9個(gè)不同大小

電子科技大學(xué)碩士學(xué)位論文10圖2-2Fast-RCNN的網(wǎng)絡(luò)模型[25]2.2.1.3FasterRCNN與R-CNN相比，F(xiàn)astRCNN的檢測(cè)速率快了很多，但由于二者均使用了運(yùn)算負(fù)荷較大的選擇性搜索算法，所以FastRCNN并沒(méi)有完全解決檢測(cè)速率慢的問(wèn)題。鑒于此，Ren等人在2016年提出了改進(jìn)的目標(biāo)檢測(cè)網(wǎng)絡(luò)：FasterRCNN，該網(wǎng)絡(luò)使用區(qū)域建議網(wǎng)絡(luò)（RegionProposalNetwork,RPN）來(lái)生成候選區(qū)域，進(jìn)一步提升了算法的速度，其網(wǎng)絡(luò)模型如圖2-3所示。圖2-3FasterR-CNN的網(wǎng)絡(luò)模型[26]RPN將原始圖像經(jīng)過(guò)CNN提取到的特征圖作為輸入，并生成一組候選區(qū)域，每個(gè)區(qū)域的輸出都包含類別得分和邊界框偏移量，其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2-4所示。RPN首先將特征圖上的每一個(gè)像素點(diǎn)作為錨點(diǎn)，以它為中心點(diǎn)生成9個(gè)不同大小


本文編號(hào)：3349898