在“智慧醫(yī)療”時代,歸功于逐漸完善的基礎(chǔ)醫(yī)療設(shè)施和爆炸性增長的醫(yī)學數(shù)據(jù),患者的診斷需求也在逐步增長。傳統(tǒng)的依賴醫(yī)生的手工診斷方法和基于“電腦急救診斷”（Computer-aided Diagnosis,CAD）系統(tǒng)的半自動方法已經(jīng)不能滿足發(fā)展的需要。全自動的智能診斷方案成為當今的首選。然而,完全獨立于醫(yī)生的自動疾病診斷,尤其是依賴醫(yī)學圖像分析的智能疾病診斷,仍然是一個頗具挑戰(zhàn)性的問題。因為全自動方法往往很難覆蓋診斷過程的各個步驟,并且過去的CAD系統(tǒng)并沒有采用近來比較新的智能技術(shù)。針對這些缺陷,本文基于深度學習技術(shù)提出了一個兩階段的醫(yī)學圖像疾病診斷模型,用以實現(xiàn)全自動的醫(yī)學圖像病理判別。它由兩個深度學習模型組成,分別是帶注意力機制的多任務(wù)特征補充病灶分割網(wǎng)絡(luò)和深度學習相關(guān)的雙路網(wǎng)絡(luò)診斷處理流程。其中,病灶分割網(wǎng)絡(luò)集成了用于修正病灶位置的有監(jiān)督注意力機制和包含區(qū)域特征過濾的多尺度特征補充去減輕腫塊像素誤判的情形。而病理診斷網(wǎng)絡(luò)則使用帶有特征冗余控制的雙路卷積神經(jīng)網(wǎng)絡(luò)特征提取器和基于最大相關(guān)性的多層級特征篩選去挖掘更多樣化和更有用的病理特征用以提高診斷精度。由分割子網(wǎng)絡(luò)得到的病灶將被提交至... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

三個版本的基礎(chǔ)網(wǎng)絡(luò)及其對應(yīng)的完整版DLDPPF的病理診斷一致性分析


本文編號：3043863