肺結核病是世界上死亡率最高的傳染病之一,早期的發(fā)現(xiàn)和診斷是治療結核病的關鍵步驟。為了使快速準確的自動診斷成為可能,大量研究人員致力于開發(fā)智能化的計算機輔助檢測系統(tǒng)幫助醫(yī)生進行胸部X光片對肺結核病的診斷工作。這深度學習中的注意力機制仿照人類獲取信息的原理,對無關信息進行了過濾,能夠很好地提升網(wǎng)絡的性能。本文針對胸部X光片,提出了改進的深度卷積神經(jīng)網(wǎng)絡,引入了注意力機制并研究了肺結核病的病灶檢測及分類算法。主要工作如下:（1）收集了來自吉林、廣州以及上海三家不同醫(yī)院門診的4990張胸部正位X光片肺結核數(shù)據(jù)集,其中不包含疾病的健康對照者圖像有1500張,感染肺結核病的圖像有2506張,非肺結核但可能患有其他肺部疾病的圖像有984張。預處理時進行圖像通道改變、醫(yī)學圖像的格式轉換等操作以適應后續(xù)運算的輸入要求,最后采用雙線性插值算法統(tǒng)一圖像尺寸,以方便實驗和對照。（2）對CNN的結構、注意力機制的原理以及基準網(wǎng)絡ResNet進行了研究,針對肺結核檢測任務,構建了一種基于注意力機制的深度學習卷積神經(jīng)網(wǎng)絡模型,并對注意力模塊進行改進,使得模塊能夠很好地融合空間和通道間的特征。（3）將基于注意力機制的... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

人工智能概念中的卷積神經(jīng)網(wǎng)絡的維恩圖表示

山東師范大學碩士學位論文8構有利于分層提取特征。即圖像經(jīng)過第一層卷積后可以提取到某些邊緣或顏色特征，經(jīng)過第二層卷積后可以得到某些形狀特征圖，不同層的卷積可以學習一部分圖像特征，最后一層卷積可輸出一定的概率或分數(shù)。由于卷積神經(jīng)網(wǎng)絡可將網(wǎng)絡結構堆疊的很深、結構設計上更復雜，近年來的研究主要集中在提升模型的泛化性能和計算速度上，致力于設計能夠保證模型性能的輕量級的網(wǎng)絡。2.1.1卷積神經(jīng)網(wǎng)絡的結構卷積神經(jīng)網(wǎng)絡是一種前饋神經(jīng)網(wǎng)絡[27]，包括一系列將圖像轉換為輸出類別分數(shù)的層序列（圖2-2）。在計算時，兩層相鄰的神經(jīng)元以一定的方式相連接進行信息的傳遞，而在同一層神經(jīng)元之間則是各自獨立的不存在連接途徑。構建CNN層的主要類型有四種：卷積（Conv）層，池化（Pool）層，非線性層（ReLU）和完全連接（FC）層[28]。圖2-2用于圖像分類的典型卷積神經(jīng)網(wǎng)絡（CNN）架構（1）卷積層。卷積層是卷積神經(jīng)網(wǎng)絡的基本組成單位，是由一系列神經(jīng)元排列組合而成的，它可以通過卷積運算對輸入信息進行一系列操作。卷積操作主要有三個獨特性質(zhì)幫助網(wǎng)絡進行分析計算，即稀疏交互（sparseinteractions）、參數(shù)共享（parametersharing）和平移等變表示（equivariance）[29]。在深度卷積網(wǎng)絡中，輸入的信息可能通過多個傳播路徑、以不同的特征圖形式傳播到網(wǎng)絡深處的神經(jīng)元中，而稀疏連接體系結構能夠有效地描述這種間接的多變量復雜交互。權重共享是卷積神經(jīng)網(wǎng)絡與常規(guī)人工神經(jīng)網(wǎng)絡的主要區(qū)別[30]。圖像是非常大的像素矩陣，如果參數(shù)共享的，那么網(wǎng)絡就只需學習一套參數(shù)集就可以將其用于圖像中的每一個像素的卷積運算，從而減小網(wǎng)絡的計算量。從卷積層的角度出發(fā)，共享權重和偏置使得卷積計算的結果不受卷積層平移的影響。

山東師范大學碩士學位論文9網(wǎng)絡中的每一層卷積都由權重矩陣組成，也稱為濾波器[31]。在前向傳播期間，每個過濾器都沿著圖像系統(tǒng)地移動，以便在圖像的每個區(qū)域中，在像素和權重之間形成點積（圖2-3）。CNN可以快速學習這些濾波器，當過濾器觀察到輸入的某些空間位置處的特定類型的要素時會激活。圖2-3從輸入到輸出的卷積示意圖（2）池化層。池化層也稱為下采樣層，它利用卷積層的特征進行采樣，可幫助最小化網(wǎng)絡中的參數(shù)和計算量，保留圖像的整體結構信息并控制過度擬合。一些常見的池化操作是最大池化、平均池化、隨機池化[32]、頻譜池化[33]、空間金字塔池化[34]和多尺度無序池化[35]等。對于隨機池化來說，需要先對各合并區(qū)域進行概率計算：jRkkiiaaP（2-1）然后我們從基于P的多項式分布中抽樣，以確認j內(nèi)的位置l。然后，合并的激活就是la：),...,(~where1jRljslppPa（2-2）圖2-4具有空間金字塔池化層的網(wǎng)絡結構

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)技術進展與發(fā)展趨勢[J]. 宋雪豐,唐國宇,孫戌杰.  電子技術與軟件工程. 2018(21)
[2]大數(shù)據(jù)技術進展與發(fā)展趨勢[J]. 程學旗,靳小龍,楊婧,徐君.  科技導報. 2016(14)
[3]大數(shù)據(jù)技術研究綜述[J]. 劉智慧,張泉靈.  浙江大學學報(工學版). 2014(06)

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡的X光片肺結核檢測和分類[D]. 毋一帆.西北大學 2019
[2]基于注意力機制的圖像分類深度學習方法研究[D]. 王培森.中國科學技術大學 2018



本文編號：3328839