基于深度卷積神經(jīng)網(wǎng)絡(luò)的甲狀腺乳頭狀癌超聲圖像識(shí)別的研究
發(fā)布時(shí)間:2020-05-12 02:57
【摘要】:目前,應(yīng)用深度學(xué)習(xí)技術(shù)處理醫(yī)學(xué)上的癌癥問題已成為一種趨勢(shì)。甲狀腺乳頭狀癌是一種臨床癥狀不典型、發(fā)病率高且不易診斷的常見疾病,常用的診斷方法是超聲技術(shù)。其超聲圖像特征主要表現(xiàn)為邊界不清、回聲不均、形態(tài)不規(guī)則、結(jié)節(jié)內(nèi)部有點(diǎn)狀或微小鈣化等,多以二維灰階呈現(xiàn),分辨率低,內(nèi)部組織結(jié)構(gòu)復(fù)雜,癌癥特征不明顯,難以分辨。而甲狀腺乳頭狀癌超聲檢查的準(zhǔn)確性與診斷者對(duì)超聲圖像的認(rèn)知和理解有密切的聯(lián)系,存在主觀上的判斷及誤判。因此,如何對(duì)甲狀腺乳頭狀癌進(jìn)行準(zhǔn)確快速的診斷顯得非常重要。本文利用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)來解決甲狀腺乳頭狀癌超聲圖像的識(shí)別問題,為醫(yī)生提供技術(shù)支持從而更快更準(zhǔn)確的對(duì)甲狀腺乳頭狀癌患者進(jìn)行診斷。為此,提出了一種能夠自動(dòng)識(shí)別甲狀腺乳頭狀癌的超聲圖像的方法。即對(duì)對(duì)象檢測(cè)網(wǎng)絡(luò)Faster RCNN進(jìn)行改進(jìn)得到一種適用于甲狀腺乳頭狀癌超聲圖像特征識(shí)別的檢測(cè)方法。主要內(nèi)容如下:介紹深度卷積神經(jīng)網(wǎng)絡(luò)的研究歷史與意義,并重點(diǎn)介紹其基本原理,包括它的結(jié)構(gòu)、特點(diǎn)以及工作機(jī)制。針對(duì)利用人工識(shí)別甲狀腺乳頭狀癌超聲圖像的諸多不確定性,本文采用深度卷積神經(jīng)網(wǎng)絡(luò)來提取特征。以基于區(qū)域檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),結(jié)合Fast RCNN框架和RPN區(qū)域建議網(wǎng)絡(luò)的優(yōu)點(diǎn),設(shè)計(jì)了甲狀腺乳頭狀癌超聲圖像識(shí)別方案,并將該方案進(jìn)行實(shí)驗(yàn)以及結(jié)果分析。還與基于Theano的Keras框架設(shè)計(jì)的甲狀腺乳頭狀癌超聲圖像識(shí)別的方法進(jìn)行對(duì)比分析,確定了本文設(shè)計(jì)的方案更好。最后將該方案與人工識(shí)別進(jìn)行對(duì)比,結(jié)果表明,該方案取得的效果更好,更有利于分析患者的病情。針對(duì)第三章設(shè)計(jì)的甲狀腺乳頭狀癌超聲圖像識(shí)別方案,其識(shí)別效果雖然優(yōu)于人工,但是識(shí)別的準(zhǔn)確率仍然不夠,因此,通過對(duì)對(duì)象檢測(cè)網(wǎng)絡(luò)Faster RCNN進(jìn)行改進(jìn)提出了一種更適用于甲狀腺乳頭狀癌超聲圖像特征識(shí)別的檢測(cè)方法。第一,通過連接Faster RCNN網(wǎng)絡(luò)中共享卷積層的第四層和第五層,再進(jìn)行歸一化;第二,在輸入的時(shí)候采用多尺寸的超聲圖像;第三,根據(jù)甲狀腺乳頭狀癌超聲圖像的幾大主要特征進(jìn)行分類,輸出詳細(xì)的超聲圖像診斷報(bào)告。實(shí)驗(yàn)結(jié)果表明,相比原始的Faster RCNN網(wǎng)絡(luò)對(duì)甲狀腺乳頭狀癌的超聲圖像特征識(shí)別,本文的方法識(shí)別精度更高,訓(xùn)練時(shí)間較短,且效率高。
【圖文】:
圖 2-5 ReLU 與 Tanh 比較示意圖[50]Fig.2-5 Comparison of ReLU and Tanh[50]絡(luò)的輸出層輸出具有特征的圖像信息,并需要對(duì)提
圖 2-7 RCNN 流程圖[53]Fig.2-7 RCNN flow chart[53]CNN 在進(jìn)行目標(biāo)檢測(cè)時(shí)存在明顯的幾個(gè)問題:一,多個(gè)候選區(qū)域?qū)?yīng)的圖像需要預(yù)先提取,,占用磁盤空間較大;
【學(xué)位授予單位】:廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2018
【分類號(hào)】:R736.1;R445.1;TP391.41
本文編號(hào):2659528
【圖文】:
圖 2-5 ReLU 與 Tanh 比較示意圖[50]Fig.2-5 Comparison of ReLU and Tanh[50]絡(luò)的輸出層輸出具有特征的圖像信息,并需要對(duì)提
圖 2-7 RCNN 流程圖[53]Fig.2-7 RCNN flow chart[53]CNN 在進(jìn)行目標(biāo)檢測(cè)時(shí)存在明顯的幾個(gè)問題:一,多個(gè)候選區(qū)域?qū)?yīng)的圖像需要預(yù)先提取,,占用磁盤空間較大;
【學(xué)位授予單位】:廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2018
【分類號(hào)】:R736.1;R445.1;TP391.41
【參考文獻(xiàn)】
相關(guān)期刊論文 前2條
1 曾波波;王貴錦;林行剛;;基于顏色自相似度特征的實(shí)時(shí)行人檢測(cè)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期
2 高明;;甲狀腺癌的診療進(jìn)展及策略[J];中華耳鼻咽喉頭頸外科雜志;2010年11期
相關(guān)博士學(xué)位論文 前1條
1 毛克明;指紋圖像處理與匹配技術(shù)研究[D];東北大學(xué) ;2009年
本文編號(hào):2659528
本文鏈接:http://sikaile.net/linchuangyixuelunwen/2659528.html
最近更新
教材專著