乳腺癌是女性致死率較高的疾病,早期診斷與治療是治愈乳腺癌的關鍵。醫(yī)學影像是乳腺癌早期診斷的主要輔助工具,其中,鉬靶和超聲是乳腺癌臨床檢查中最為常用的影像學檢查方式。多模態(tài)影像融合技術能夠克服單模態(tài)信息不足的缺陷,已經(jīng)成為近年來的研究熱點。然而,傳統(tǒng)的方法大部分是先基于單模態(tài)分類,然后融合分類結果。這類方法忽略了多模態(tài)之間相關性信息的利用,限制了性能的提升。為了提高乳腺腫瘤分類系統(tǒng)的性能,本文對多模態(tài)乳腺影像融合分類的關鍵技術展開了研究:本文研究了一種基于多模態(tài)乳腺影像相關性嵌入（Modality-Correlation Embedding Model,MCM）的乳腺腫瘤分類方法。首先,使用FCN網(wǎng)絡對多模態(tài)乳腺影像中的腫瘤區(qū)域進行分割,并使用VGG網(wǎng)絡提取腫瘤特征,然后構建了新的模態(tài)相關性嵌入的多模態(tài)乳腺影像融合分類損失函數(shù),該損失函數(shù)由新的模態(tài)相關性項和單模態(tài)數(shù)據(jù)擬合項構成。最后,利用梯度下降算法和交替變量迭代優(yōu)化思想對所提出的損失函數(shù)進行優(yōu)化,學習出兩個最優(yōu)映射矩陣,從而將提取的深度特征較為準確地映射到公共標簽空間,獲得最終的診斷結果。在本文的方法中,所提出的模態(tài)相關性項能夠有效利... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

圖１－１多模態(tài)乳腺影像（鉬靶和超聲）??作為另一種常用的乳腺癌的篩查工具一一超聲［１５］［１６］［１７］，則安全性更高、成??

?山東大學碩士學位論文???ＦＣＮ網(wǎng)絡的基本原理是利用卷積核尺寸為１Ｘ１的卷積層來替換傳統(tǒng)的??ＣＮＮ網(wǎng)絡中的全連接層，這樣網(wǎng)絡的輸出將不再是圖像的類別概率信息而是每??個像素點的類別概率信息，該網(wǎng)絡常用于圖像分割。同時，該網(wǎng)絡的輸入圖像??可以是任意尺寸的。為了處理卷積層和池化層對圖像大小的影響，還采用了上??采樣（ｕｐｓａｍｐｌｍｇ）的方式將分割結果恢復到圖像的原有尺寸。??整個ＦＣＮ網(wǎng)絡的具體流程如圖２－１所示，其中輸入圖像的寬高分別為ｗ和??ｈ：??３２ｘ?Ｄｐｓｎｍｐｌｅｄ??ｉｍａｇｅ?ｐｏｏ丨?１?ｐｏｏｌ］?ｐｏｏ！３?Ｐ〇〇Ｗ?ｐｏｏｌ？?ｐｒｅｄｉｃｔｉｏｎ?（ＩＣＮ－３２ｓ）??（ｗｂ）?ｄ）?（告?ｊ告）??Ｉ?Ｉ?１６ｘ?ｕｐｓａｍｐｌｅｄ??ｐｏｏｌ４?２ｘ?ｕｐｖｉｉｍｐｌｅｄ?ｐｒｅｄｉｃＨｏａ?（ＦＣＮ－１６ｓ）??田田＾圖??＾?８ｘ?ｕｐｓａｍｐｌｅｄ??＼?ｐｒｅｄｉｃｔｉｏｎ?（ＦＣ：Ｎ－８ｓ）??ｐｏｏＩ３?２ｘ?ｎｐｓａｔｕｐｌｅｄ?■勝［＾｜｜｜｜＾＾??畫?＿??（Ｕ）??圖２－１?ＦＣＮ網(wǎng)絡結構??（１）輸入圖像經(jīng)由多個卷積和一個最大池化得到ｐ〇〇ｌｌ特征，高、寬變?yōu)??原始圖像的１／２；?（２）?ｐｏｏｌｌ特征再經(jīng)由多個卷積和一個最大池化得到ｐｏｏｌ２特??征，高、寬變?yōu)樵瓉淼模保矗?（３）?ｐｏｏｌ２特征再經(jīng)由多個卷積和一個最大池化得??到ｐｏｏｌ３特征，高、寬變?yōu)樵瓉淼模保福?（４）依此類推，直到得到ｐｏｏｌ５特征，??高、寬變?yōu)樵瓉淼模保常玻?（５）對于ＦＣＮ－３２Ｓ，直接對ｐｏｏｌ５特征進行３２倍上采??樣獲

網(wǎng)絡包含１３個卷積層和３個全連接層，而ＶＧＧ１９網(wǎng)絡則包含??１６個卷積層和３個全連接層。本方法中使用的卷積網(wǎng)絡模型是ＶＧＧ１６網(wǎng)絡。??孕—？?１１?—運?Ａ?ｉ．．差?￥?—，ｉ?義?ｊ?ｎ?？?＊．?Ｉ?矣一言一ｇ?ｍ?妻一Ｉ??否?ｗ?＾?８?Ｂ?－ｐ?８?８?８?＾?８?８?８?ｒ？?８?＜ｊ?Ｓ?￡?？?ａ?ａ?＾??ｇ?Ａ?Ａ?Ａ?Ａ?＾?Ａ?Ａ?ＡＡＡ?Ａ?Ａ?？??＾?■?■覼畫霪驪ｔ?１?Ｕ??＾?ｚ?§?ｓ?ｓ?１??■自?ｇ?．５５?ｖ＞??圖２－２?ＶＧＧ?１６網(wǎng)絡結構??為了更清晰直觀的分析ＶＧＧ１６網(wǎng)絡結構，將圖中綠色區(qū)域轉(zhuǎn)化為圖２－２的??塊狀網(wǎng)絡結構加以展示，可以得知，ＶＧＧ１６網(wǎng)絡的輸入圖像尺寸大小為２２４Ｘ??２２４Ｘ３，其中，２２４表示輸入圖像的長、寬像素個數(shù)，３表示輸入圖像的ＲＧＢ??三個顏色通道。ＶＧＧ１６網(wǎng)絡一共包含了?１３個卷積層，３個全連接層和５個池??１１??

【參考文獻】：
期刊論文
[1]一種基于高斯過程隱變量模型的表情識別方法[J]. 潘武生,黃玉水.  計算機仿真. 2018(03)
[2]一種相似子空間嵌入算法[J]. 錢文光,李會民.  山東大學學報(工學版). 2018(01)
[3]乳腺超聲檢查對乳腺腫瘤的診斷價值[J]. 彭永聽,朱玲.  現(xiàn)代中西醫(yī)結合雜志. 2012(01)
[4]數(shù)字鉬靶與超聲聯(lián)合診斷早期乳腺癌的價值[J]. 王紅燕,馬希,吳志娟,李國華,左孟哲,王建良,沈紀芳,朱玉春.  現(xiàn)代中西醫(yī)結合雜志. 2011(20)
[5]可形變?nèi)四樐Ｐ脱芯窟M展綜述[J]. 譚曉陽.  沈陽航空航天大學學報. 2011(01)
[6]彩色超聲和鉬靶X線在乳腺腫塊診斷中的比較[J]. 黎燕飛,劉華敢.  上海醫(yī)學影像. 2010(02)
[7]超聲光散射成像與全數(shù)字化乳腺攝影對乳腺腫瘤診斷的對比研究[J]. 李嘉,滕皋軍,張熾敏,姚小留,趙天慧,劉萬花,魏曉瑩,陳衛(wèi)東,王玲.  中華放射學雜志. 2010 (05)
[8]3種影像學檢查方法在乳腺癌早期診斷中的作用[J]. 許光中,李凱,封國生.  首都醫(yī)科大學學報. 2009(03)
[9]高頻超聲與X線鉬靶聯(lián)合應用對早期乳腺癌的診斷價值[J]. 田家瑋,陳宇,劉宇杰.  中國醫(yī)學影像技術. 2006(04)



本文編號：3453353