皮膚癌是由皮膚中色素積累或者減少導(dǎo)致的一種皮膚病變,其中黑色素瘤是一種致死率極高的惡性腫瘤,及時發(fā)現(xiàn)并制定相應(yīng)治療方案是黑色素瘤治愈的關(guān)鍵。近年來,隨著深度學(xué)習(xí)的發(fā)展,利用計算機(jī)技術(shù)實現(xiàn)皮膚病變圖像的自動分割引起研究者的廣泛關(guān)注。皮膚病變圖像的自動分割是一項重要且極具挑戰(zhàn)性的任務(wù)。由于黑素瘤的邊緣不均勻,顏色不斷變化,有些可能還會存在圖像偽影。針對這些問題,本文基于深度學(xué)習(xí)方法提出了兩種不同的分割算法來實現(xiàn)皮膚病變圖像的自動分割。(1)現(xiàn)有的分割方法大多基于編碼-解碼網(wǎng)絡(luò),不能有效地將低級簡單特征與高級語義特征結(jié)合起來改善最終的分割結(jié)果。本文提出了一種新型的非對稱編碼-解碼網(wǎng)絡(luò)(AEDN),能夠有效地融合低層和高層特征。準(zhǔn)確地邊界信息是皮膚病變分析的關(guān)鍵,該算法通過重新設(shè)計編碼器與解碼器之間的跳層連接,使編碼器傳輸更深層次且更具代表性的特征到解碼器,提出的新的密集空洞卷積塊(NDAC)能夠提取多尺度特征并生成更高層次的語義特征。通過兩條解碼路徑恢復(fù)特征圖分辨率,一條解碼路徑能夠很好地融合低級和高級特征,另一條用來補(bǔ)充因連續(xù)卷積操作丟失的空間細(xì)節(jié)信息,最后將兩條解碼路徑的分割結(jié)果拼接在一...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

圖1.1皮膚鏡成像效果圖

圖1.2機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別Figure1.2Thedifferencebetweenmachinelearninganddeeplearning

圖2.1單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2.2神經(jīng)元組成結(jié)構(gòu)

本文編號：3887557