宮頸癌是婦科最常見的惡性腫瘤,也是惡性腫瘤中唯一病因明確、可以早期預(yù)防和治療的癌癥。細胞學(xué)檢查是目前最常見的早期宮頸癌篩查技術(shù)。由于人口眾多,自動化閱片成為滿足我國婦女定期宮頸癌篩查需求的必要條件,研發(fā)計算機輔助閱片系統(tǒng)迫在眉睫,其中最關(guān)鍵的一個步驟是從宮頸細胞學(xué)圖像的海量細胞中快速準(zhǔn)確地定位異常區(qū)域。本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的宮頸細胞學(xué)圖像異常區(qū)域檢測算法。首先設(shè)計了基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸細胞學(xué)圖像異常區(qū)域檢測框架,框架分為三大部分:特征提取子網(wǎng)絡(luò)、區(qū)域粗檢測子網(wǎng)絡(luò)和區(qū)域精檢測子網(wǎng)絡(luò)。特征提取子網(wǎng)絡(luò)主要負責(zé)提取相關(guān)特征向量。本文根據(jù)宮頸細胞圖像的目標(biāo)面積較小、尺度敏感等特點設(shè)計并實現(xiàn)了能夠精準(zhǔn)提取宮頸細胞圖像高層語義信息和底層細節(jié)信息的特征提取子網(wǎng)絡(luò)。區(qū)域粗檢測子網(wǎng)絡(luò)負責(zé)從原圖中產(chǎn)生盡可能多的目標(biāo)候選區(qū)域。區(qū)域精檢測子網(wǎng)絡(luò)采用全卷積網(wǎng)絡(luò)結(jié)構(gòu),對候選區(qū)域進行精準(zhǔn)的再分類和位置回歸,其中針對宮頸異常區(qū)域的尺度敏感特點,提出了尺度敏感的感興趣區(qū)域池化層。最后,本文還提出了一套改進的評估方案,強調(diào)了宮頸細胞學(xué)圖像異常區(qū)域檢測中的定位準(zhǔn)確度。為了解決不同批次宮頸細胞學(xué)圖像數(shù)據(jù)存在差...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1不同視野數(shù)據(jù)集樣本對比，第一幅圖是本文實驗使用的大視野圖像，后面三幅是Herlev數(shù)據(jù)集的單細胞圖像

耗了額外的人力資源。圖1-1給出了兩種不同情景下數(shù)據(jù)集的對比。如果直接對全視野圖像進行處理，不僅可以節(jié)省中間的人工成本，而且還可以提高分割和分類耗費在正常細胞核上的時間代價，滿足臨床篩查的實時性要求。

圖2-2YOLO的網(wǎng)絡(luò)框架

圖2-2YOLO的網(wǎng)絡(luò)框架[64]針對YOLO類算法的定位精度問題，2016年北卡大學(xué)教堂山分校的Liu等人[67]提出SSD算法，將YOLO的回歸思想和FasterR-CNN的anchor機制結(jié)合。通過在不同卷積層的特征圖上預(yù)測物體區(qū)域，輸出離....

圖2-3不同數(shù)據(jù)集的目標(biāo)面積占比和數(shù)量分布比較

中可以發(fā)現(xiàn)PascalVOC2012數(shù)據(jù)集的目標(biāo)面積占比一般比較大，面積占比為0.03%以下的小目標(biāo)只有29.28%，而宮頸細胞圖像數(shù)據(jù)集的小目標(biāo)數(shù)量占比為95.03%，幾乎全是小目標(biāo)，這也是兩者的重要區(qū)別之一。現(xiàn)有的檢測框架在進行目標(biāo)分類時會有選擇性地傾向于大目標(biāo)的....

圖2-4PascalVOC2012數(shù)據(jù)集樣本和本文使用數(shù)據(jù)集對比

細胞和正常細胞的至關(guān)重要的特征之一。宮頸脫落細胞中，異常細胞的面積一般是細胞面積的2-3倍。然而，目前許多的檢測器比如FasterR-CNN中的感興趣池化層不同大小的感興趣區(qū)域池化到同一個尺寸，導(dǎo)致感興趣區(qū)域級別的特征圖丟失了關(guān)積的差異信息，給宮頸細胞檢測帶來了一定的阻....

本文編號：3911434