發(fā)布時(shí)間：2020-07-03 03:15

【摘要】：肺炎是胸部常見疾病,其治療在很大程度上依賴于醫(yī)生對胸部影像的準(zhǔn)確解讀。但是即使是最好的放射科醫(yī)師也很容易誤診,因?yàn)橐谛夭坑跋耔b別診斷多種疾病是一件非常棘手的問題。為了能夠輔助醫(yī)師準(zhǔn)確的解讀胸部影像的信息,國內(nèi)外學(xué)者利用計(jì)算機(jī)圖像識別技術(shù)對該領(lǐng)域進(jìn)行了深入的研究。目前,對胸部影像識別檢測效果最好的方法是基于深度學(xué)習(xí)的肺炎識別。針對肺炎檢測識別的難題,本文提出了一種基于SSD(Single Shot MultiBox Detector,單網(wǎng)絡(luò)多盒檢測器)肺炎檢測模型的改進(jìn)方案。首先,通過對數(shù)據(jù)集的分析發(fā)現(xiàn)胸部X射線影像中存在約10%的小發(fā)病區(qū)域。為了讓SSD網(wǎng)絡(luò)模型檢測到這些小的發(fā)病區(qū)域,本文將原始SSD網(wǎng)絡(luò)模型的第三網(wǎng)絡(luò)層的最后一個(gè)卷積層的輸出結(jié)果通過池化方法降維后再使用1×1卷積對其進(jìn)行卷積運(yùn)算,然后將卷積運(yùn)算結(jié)果與SSD網(wǎng)絡(luò)的第六特征層的輸入特征進(jìn)行融合。此外,本文還將SSD網(wǎng)絡(luò)模型的第五池化層的輸出結(jié)果通過反池化、反卷積技術(shù)將其輸出結(jié)果進(jìn)行卷積運(yùn)算后再與SSD網(wǎng)絡(luò)模型的第七特征層進(jìn)行特征融合。通過使用這兩種融合方案,使得SSD目標(biāo)檢測網(wǎng)絡(luò)能夠?qū)Ψ窝准膊∮跋裰械男∧繕?biāo)進(jìn)行檢測。然后,本文針對改進(jìn)后的網(wǎng)絡(luò)模型經(jīng)過實(shí)驗(yàn)分析選擇了正確的優(yōu)化方案,使得網(wǎng)絡(luò)模型能夠更快的達(dá)到收斂效果并提高檢測的準(zhǔn)確率。最后,為了檢驗(yàn)改進(jìn)后的SSD網(wǎng)絡(luò)模型對肺炎的檢測識別性能,本文使用肺炎疾病影像數(shù)據(jù)集分別在Faster RCNN、Yolo、原始SSD網(wǎng)絡(luò)模型和改進(jìn)后的SSD網(wǎng)絡(luò)模型上進(jìn)行了實(shí)驗(yàn)。通過對實(shí)驗(yàn)結(jié)果分析發(fā)現(xiàn),改進(jìn)后的SSD模型對肺炎疾病的檢測準(zhǔn)確率為89.32%,大于原始SSD網(wǎng)絡(luò)模型的檢測準(zhǔn)確率76.1%。同時(shí),改進(jìn)后的檢測準(zhǔn)確率也大于Faster RCNN與Yolo方法的準(zhǔn)確性。從實(shí)驗(yàn)結(jié)果中得出:(1)改進(jìn)后的SSD網(wǎng)絡(luò)模型對肺炎疾病檢測的有效性與可行性。(2)本文改進(jìn)的SSD模型能夠?qū)Ψ窝准膊z測有一定的指導(dǎo)意義。(3)醫(yī)學(xué)領(lǐng)域的研究人員可以使用本文改進(jìn)的SSD網(wǎng)絡(luò)模型協(xié)助克服人類的認(rèn)知和偏倚的內(nèi)在局限性,并降低誤診率。
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R563.1;TP391.41
【圖文】：

圖 2.1 M-P 神經(jīng)元模型Fig. 2.1 M-P neuron model943 年，McCulloch 和 Pitts 將以上的描述抽象為圖 2.1 所示的一該模型就是最經(jīng)典的而且沿用至今的 M-P 神經(jīng)元模型。一般情況下收來自n個(gè)其他神經(jīng)元傳遞過來的輸入信號 x，然后給這些信號加于說明哪些信號最為重要，最后將這些帶有權(quán)值的信號向后進(jìn)行傳的信號傳播到最后的幾個(gè)神經(jīng)元，這些神經(jīng)元將接收到的總輸入值元的閾值 進(jìn)行比較，然后通過“激活函數(shù)”(activation functio計(jì)算產(chǎn)生神經(jīng)元的輸出1ni iiy f w x 。

函數(shù)求導(dǎo)容易。函數(shù)的缺點(diǎn)：具有軟飽和特性，很容易出現(xiàn)梯度消失的情況，最終導(dǎo)致是以 0 為中心的。數(shù)與 sigmoid 函數(shù)很相似，與 sigmoid 函數(shù)相比，其數(shù)據(jù)將更高，收斂的速度會更快。其定義如下：( )2211xxetanh xe +與 sigmoid 函數(shù)的關(guān)系如公式（2.3）所示。tanh ( x ) 2 sigmoid ( 2 x ) 1函數(shù)的輸出值介于 1 , 1 的圖像如圖 2.4 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張利紅;梁英波;李向東;;基于改進(jìn)分水嶺算法的醫(yī)學(xué)圖像分割[J];科學(xué)技術(shù)與工程;2013年09期

本文編號：2739097