基于卷積神經(jīng)網(wǎng)絡(luò)的Ki67檢測(cè)的研究
發(fā)布時(shí)間:2023-05-22 05:25
乳腺癌是致使現(xiàn)代女性死亡的主要癌癥之一,而核抗原Ki67的細(xì)胞染色免疫組化評(píng)估可以有效地對(duì)腫瘤細(xì)胞增殖水平進(jìn)行比較,因此使用Ki67評(píng)分對(duì)乳腺癌的診斷與預(yù)后有著重要的醫(yī)學(xué)作用。目前醫(yī)院病理科檢測(cè)計(jì)算乳腺癌Ki67評(píng)分仍然使用傳統(tǒng)鏡下人工檢測(cè),不僅效率低且準(zhǔn)確率較差。為了提升病理科醫(yī)生工作效率同時(shí)提高Ki67評(píng)分準(zhǔn)確度,本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法,進(jìn)而對(duì)乳腺癌Ki67病理切片細(xì)胞圖像進(jìn)行Ki67檢測(cè)。本文整體分為細(xì)胞分割與腫瘤區(qū)域分割兩部分,主要包含以下工作:(1)本課題綜合醫(yī)生意見(jiàn)對(duì)乳腺癌Ki67細(xì)胞標(biāo)注數(shù)據(jù)的制作進(jìn)行了規(guī)范;(2)提出使用高斯濾波將細(xì)胞標(biāo)注數(shù)據(jù)轉(zhuǎn)為熱點(diǎn)圖,同時(shí)利用點(diǎn)標(biāo)注代替?zhèn)鹘y(tǒng)標(biāo)注方式。以此來(lái)減少傳統(tǒng)標(biāo)注方式導(dǎo)致數(shù)據(jù)生成效率低、細(xì)胞標(biāo)注難以區(qū)分的問(wèn)題,集中提取目標(biāo)特征;(3)在已有網(wǎng)絡(luò)的基礎(chǔ)上,本課題進(jìn)行改進(jìn)并提出結(jié)合主動(dòng)式學(xué)習(xí)的網(wǎng)絡(luò)訓(xùn)練策略,減少網(wǎng)絡(luò)訓(xùn)練所需要的數(shù)據(jù)量;(4)提出使用H&E,DAB通道分離的方式區(qū)分Ki67細(xì)胞染色陰陽(yáng)性,進(jìn)而計(jì)算得到相應(yīng)Ki67評(píng)分實(shí)現(xiàn)Ki67檢測(cè);(5)提出細(xì)胞分割結(jié)合腫瘤區(qū)域分割的方式優(yōu)化細(xì)胞分割結(jié)果,使...
【文章頁(yè)數(shù)】:62 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 本課題研究背景與意義
1.2 本課題國(guó)內(nèi)外研究現(xiàn)狀
1.3 本課題研究?jī)?nèi)容
1.4 本文章節(jié)安排
第2章 Ki67介紹及細(xì)胞分割算法
2.1 病理學(xué)及病理學(xué)指標(biāo)Ki67
2.2 深度學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)
2.3 細(xì)胞分割算法
2.3.1 傳統(tǒng)算法
2.3.2 深度學(xué)習(xí)算法
2.4 主動(dòng)學(xué)習(xí)
2.5 本章小結(jié)
第3章 基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的Ki67細(xì)胞分割
3.1 Ki67評(píng)分計(jì)算
3.2 數(shù)據(jù)準(zhǔn)備
3.2.1 數(shù)據(jù)來(lái)源及數(shù)據(jù)分布確定
3.2.2 標(biāo)注流程制定
3.3 基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的Ki67細(xì)胞分割框架
3.4 網(wǎng)絡(luò)模型改進(jìn)
3.5 開(kāi)發(fā)環(huán)境確定
3.6 網(wǎng)絡(luò)訓(xùn)練及后處理
3.7 結(jié)果分析
3.8 本章小結(jié)
第4章 基于Segnet的Ki67腫瘤區(qū)域分割
4.1 數(shù)據(jù)準(zhǔn)備
4.2 Segnet模型說(shuō)明
4.3 網(wǎng)絡(luò)訓(xùn)練及結(jié)果分析
4.3.1 網(wǎng)絡(luò)訓(xùn)練
4.3.2 結(jié)果分析
4.4 后處理
4.5 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)
本文編號(hào):3822091
【文章頁(yè)數(shù)】:62 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 本課題研究背景與意義
1.2 本課題國(guó)內(nèi)外研究現(xiàn)狀
1.3 本課題研究?jī)?nèi)容
1.4 本文章節(jié)安排
第2章 Ki67介紹及細(xì)胞分割算法
2.1 病理學(xué)及病理學(xué)指標(biāo)Ki67
2.2 深度學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)
2.3 細(xì)胞分割算法
2.3.1 傳統(tǒng)算法
2.3.2 深度學(xué)習(xí)算法
2.4 主動(dòng)學(xué)習(xí)
2.5 本章小結(jié)
第3章 基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的Ki67細(xì)胞分割
3.1 Ki67評(píng)分計(jì)算
3.2 數(shù)據(jù)準(zhǔn)備
3.2.1 數(shù)據(jù)來(lái)源及數(shù)據(jù)分布確定
3.2.2 標(biāo)注流程制定
3.3 基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的Ki67細(xì)胞分割框架
3.4 網(wǎng)絡(luò)模型改進(jìn)
3.5 開(kāi)發(fā)環(huán)境確定
3.6 網(wǎng)絡(luò)訓(xùn)練及后處理
3.7 結(jié)果分析
3.8 本章小結(jié)
第4章 基于Segnet的Ki67腫瘤區(qū)域分割
4.1 數(shù)據(jù)準(zhǔn)備
4.2 Segnet模型說(shuō)明
4.3 網(wǎng)絡(luò)訓(xùn)練及結(jié)果分析
4.3.1 網(wǎng)絡(luò)訓(xùn)練
4.3.2 結(jié)果分析
4.4 后處理
4.5 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)
本文編號(hào):3822091
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3822091.html
最近更新
教材專著