宮頸癌是廣泛存在的一種高發(fā)病率與高死亡率的疾病,目前主要的篩查方式為基于巴氏涂片的細(xì)胞學(xué)篩查,由于細(xì)胞學(xué)家與病理學(xué)家的手工篩查是一個(gè)高重復(fù)性,高耗時(shí)且易出錯(cuò)的工作,因此宮頸癌的自動(dòng)計(jì)算機(jī)輔助細(xì)胞學(xué)篩查與診斷系統(tǒng)的發(fā)展具有重要的臨床意義,而細(xì)胞核因?yàn)閿y帶有輔助篩查與診斷的實(shí)質(zhì)信息,其精確分割已經(jīng)成為眾多研究者探索的課題。本文采用從粗到細(xì)的策略分割細(xì)胞核,粗分割階段分別運(yùn)用兩種深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)宮頸細(xì)胞核進(jìn)行粗分割,優(yōu)化階段則通過(guò)融合粗分割結(jié)果與細(xì)胞核RoI內(nèi)所有像素的色彩值信息與位置信息來(lái)構(gòu)建一個(gè)局部全連接條件隨機(jī)場(chǎng),通過(guò)最小化條件隨機(jī)場(chǎng)的能量函數(shù)實(shí)現(xiàn)細(xì)胞核分割結(jié)果的優(yōu)化。本文的主要?jiǎng)?chuàng)新工作如下:（1）為了充分利用細(xì)胞學(xué)圖像的先驗(yàn)信息以獲取準(zhǔn)確且穩(wěn)定的細(xì)胞核定位,首先以全卷積網(wǎng)絡(luò)（Fully Convolutional Network,FCN）為基礎(chǔ),搭建感受野與細(xì)胞學(xué)圖像中細(xì)胞核分辨率匹配的輕型全卷積網(wǎng)絡(luò)（Tiny-FCN,T-FCN）,這會(huì)導(dǎo)致網(wǎng)絡(luò)深度的縮減,為了彌補(bǔ)因此帶來(lái)的網(wǎng)絡(luò)特征表達(dá)能力的損失,T-FCN將每個(gè)卷積層的卷積核數(shù)量擴(kuò)展為原FCN的2倍。實(shí)驗(yàn)結(jié)果表明T-FCN獲得了良好... 

【文章來(lái)源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)

三種上采樣網(wǎng)絡(luò)的最終分割結(jié)果

Herlev7類示例圖片

【參考文獻(xiàn)】：
期刊論文
[1]基于全卷積網(wǎng)絡(luò)和條件隨機(jī)場(chǎng)的宮頸癌細(xì)胞學(xué)圖像的細(xì)胞核分割[J]. 劉一鳴,張鵬程,劉祎,桂志國(guó).  計(jì)算機(jī)應(yīng)用. 2018(11)
[2]基于K均值聚類算法的宮頸癌細(xì)胞分割方法[J]. 趙英紅,洪雅玲,孫存杰.  臨床醫(yī)學(xué)工程. 2014(09)
[3]復(fù)雜背景下的宮頸癌細(xì)胞圖像分割方法[J]. 馮芳,劉威,王加慶.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2014(03)

博士論文
[1]光學(xué)顯微宮頸細(xì)胞圖像的分割與識(shí)別方法研究[D]. 關(guān)濤.國(guó)防科學(xué)技術(shù)大學(xué) 2015
[2]宮頸細(xì)胞學(xué)涂片自動(dòng)判讀方法研究[D]. 徐傳運(yùn).重慶大學(xué) 2014
[3]細(xì)胞圖像的分割、紋理提取及識(shí)別方法研究[D]. 李寬.國(guó)防科學(xué)技術(shù)大學(xué) 2012
[4]宮頸細(xì)胞圖像分割和識(shí)別方法研究[D]. 范金坪.暨南大學(xué) 2010

碩士論文
[1]基于深度學(xué)習(xí)的細(xì)胞核圖像分割方法研究[D]. 李剛森.哈爾濱工業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的細(xì)胞核圖像分割研究[D]. 楊凱.重慶大學(xué) 2018



本文編號(hào)：3557228