發(fā)布時(shí)間：2017-12-08 16:11

  本文關(guān)鍵詞：目標(biāo)檢測算法在乳腺病理圖像分析中的應(yīng)用

  更多相關(guān)文章： 乳腺癌 深度學(xué)習(xí) 核分裂象 細(xì)胞核 病理

【摘要】：癌癥是常見的惡性腫瘤之一,且近年來癌癥的發(fā)病率不斷上升,嚴(yán)重影響患病者的身心健康。病理診斷是癌癥確診的重要手段,有臨床腫瘤的"金標(biāo)準(zhǔn)"之稱。但是中國的病理醫(yī)生數(shù)量缺口巨大,大量的病理分析任務(wù)要靠這些病理醫(yī)生才能完成,造成了病理醫(yī)生長期的超負(fù)荷工作,同時(shí)也耽擱了癌癥患者寶貴的診療時(shí)間。近些年來數(shù)字病理技術(shù)的普及和計(jì)算機(jī)深度學(xué)習(xí)(DeepLearning,DL)技術(shù)的快速發(fā)展讓病理計(jì)算機(jī)輔助診斷(Computer Aided Diagnosis,CAD)的實(shí)現(xiàn)變?yōu)榱丝赡�。病理�?jì)算機(jī)輔助診斷對提高癌癥病理診斷的效率和準(zhǔn)確性有很大的潛力。本論文在探索利用深度學(xué)習(xí)構(gòu)建病理計(jì)算機(jī)輔助診斷系統(tǒng)的實(shí)踐中,研究實(shí)現(xiàn)了乳腺癌病理圖像分析中的若干關(guān)鍵技術(shù),即細(xì)胞核和核分裂象的自動(dòng)檢測技術(shù)。本文的主要工作及采用的關(guān)鍵技術(shù)如下:首先,總結(jié)了前人在病理圖像分析領(lǐng)域進(jìn)行的研究工作,追蹤了當(dāng)前深度學(xué)習(xí)技術(shù)的最新進(jìn)展,確定了課題要使用的方法;其次,本文基于RCNN(Region-based Convolutional Neural Networks)算法,分別針對細(xì)胞核檢測和核分裂象檢測這樣的特定問題對算法做出了改進(jìn),最終算法在病理圖像分析公開數(shù)據(jù)集上取得了突出的結(jié)果。最后,論文中還有很多研究得不夠深入的問題,有待今后繼續(xù)改進(jìn)與完善。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R737.9;TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 關(guān)鵬;全宇;何苗;周寶森;;病理圖像分析中的兩步驟聚類分析應(yīng)用[J];中國公共衛(wèi)生;2006年10期

2 呂翔;計(jì)算機(jī)病理圖像定量分析方法和應(yīng)注意的問題[J];中國體視學(xué)與圖像分析;2002年02期

3 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 何劍;目標(biāo)檢測算法在乳腺病理圖像分析中的應(yīng)用[D];浙江大學(xué);2017年

，

本文編號：1266994