【摘要】：黑色素瘤是致死率很高的一種皮膚癌,近年來(lái)發(fā)病人數(shù)有逐年增加的趨勢(shì)。早期的黑色素瘤診斷可以有很高的治愈率,皮膚鏡成像作為早期診斷的主要手段在黑色素瘤的判斷中有著很重要的地位。計(jì)算機(jī)輔助診斷可以為黑色素瘤的診斷提供客觀的診斷意見(jiàn)。作為皮膚鏡圖像診斷流程中的關(guān)鍵一步,損傷區(qū)域的分割對(duì)后續(xù)的診斷結(jié)果有直接的影響。醫(yī)學(xué)圖像處理存在噪聲多、灰度不均、器官的形狀發(fā)生變化、特征難提取等難點(diǎn),傳統(tǒng)的分割方法處理效果不好�；谏疃葘W(xué)習(xí)的圖像分割技術(shù),利用其強(qiáng)大的特征提取能力和自動(dòng)診斷能力,能夠較好地解決上述難點(diǎn),提高皮膚鏡圖像分割的準(zhǔn)確率。本文針對(duì)皮膚鏡圖像損傷區(qū)域分割算法存在的復(fù)雜度高,計(jì)算時(shí)間長(zhǎng)、對(duì)特殊圖像分割效果差等問(wèn)題,提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的皮膚鏡圖像損傷區(qū)域分割算法。首先,基于Unet網(wǎng)絡(luò)生成分割網(wǎng)絡(luò),使用Batch Normalization(批規(guī)范化)處理并添加一定的高斯噪聲,以提高訓(xùn)練的穩(wěn)定性和避免過(guò)擬合現(xiàn)象的出現(xiàn);其次,放棄池化層采用全卷積層連接生成對(duì)抗網(wǎng)絡(luò),通過(guò)卷積層的步長(zhǎng)實(shí)現(xiàn)類似池化的效果,使網(wǎng)絡(luò)可以學(xué)習(xí)到自己的空間采樣;最后,為對(duì)抗網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)設(shè)計(jì)損失函數(shù),提高收斂速度和網(wǎng)絡(luò)的準(zhǔn)確度。在訓(xùn)練過(guò)程中,把原始圖像和樣本標(biāo)簽圖像組成四維向量數(shù)據(jù)輸入進(jìn)對(duì)抗網(wǎng)絡(luò),可以提高網(wǎng)絡(luò)的分割能力。通過(guò)ISBI2016 skin lesion 比賽數(shù)據(jù)的測(cè)試,本文提出的方法可以正確的把損傷區(qū)域分割出來(lái),尤其適用于低對(duì)比度特殊圖像的分割,并可實(shí)現(xiàn)端到端的自動(dòng)分割;與SegNet、Unet醫(yī)學(xué)圖像分割常用的網(wǎng)絡(luò)和現(xiàn)有的一些皮膚鏡圖像分割方法結(jié)果相比較,在分割的評(píng)價(jià)標(biāo)準(zhǔn)、分割的效果上明顯優(yōu)于這些方法。
【圖文】：

在中國(guó)，近年來(lái)黑色素瘤的發(fā)病率也呈增長(zhǎng)趨勢(shì)，每年新增約２萬(wàn)病例，己逡逑成為嚴(yán)重危害我國(guó)人民健康的疾病之一，但是黑色素瘤長(zhǎng)期以來(lái)不被普通民眾逡逑所認(rèn)知，甚至連一般的醫(yī)務(wù)工作者也不是很熟悉叫。逡逑黑色素瘤又稱為惡性黑色素瘤，在人體內(nèi)有一種會(huì)產(chǎn)生黑色素蛋白質(zhì)抵抗紫逡逑外線的細(xì)胞叫做黑色素細(xì)胞。這種細(xì)胞有無(wú)限生長(zhǎng)的特性，當(dāng)黑色素細(xì)胞過(guò)度逡逑生長(zhǎng)時(shí)便會(huì)產(chǎn)生黑色素瘤。黑色素瘤的早期診斷是很關(guān)鍵的，因?yàn)檫@時(shí)候的黑逡逑

但是高層特征具有位置相關(guān)性。每一個(gè)卷積核可以得到一種特征，設(shè)置多個(gè)卷逡逑積核便可以得到多個(gè)特征，利用這些特征便可以拿來(lái)進(jìn)行圖像的識(shí)別和分類。逡逑如圖２．邋３所示。逡逑７邐８邐９邐５邐——————逡逑邐邋————邐１５邋２２邋１７逡逑ｉNNN以NNｇ邋�。保峰义希尺姡尺姡策姡愤姡边姡斑姡Вн婂义线婂濉姡保策姡哆姡保板义希哆姡保保边姟义蠄D２．３卷積操作示意圖逡逑Ｆｉｇ．邋２．３邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｃｏｎｖｏｌｕｔｉｏｎ邋ｏｐｅｒａｔｉｏｎ逡逑池化操作。池化操作的原理在于，，圖像中的相鄰位置的像素是相關(guān)聯(lián)的，對(duì)逡逑于圖像來(lái)說(shuō)，隔行采樣，得到的結(jié)果依然是可以接受的。在圖像的ｎＸｎ區(qū)域內(nèi)逡逑８逡逑
【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;R751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓懸;馬銀平;;分水嶺算法的改進(jìn)及在圖像分割中的應(yīng)用[J];現(xiàn)代信息科技;2019年24期

2 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

3 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識(shí)與技術(shù);2019年05期

4 姚霆;張煒;劉金根;;基于深度學(xué)習(xí)的圖像分割技術(shù)[J];人工智能;2019年02期

5 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

6 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計(jì)學(xué)習(xí)理論的最小生成樹(shù)圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2017年07期

7 李然;李記鵬;宋超;;基于顯著性檢測(cè)的協(xié)同圖像分割研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年24期

8 鄧惠俊;;一種基于數(shù)據(jù)場(chǎng)的圖像分割方法與研究[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年02期

9 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

10 劉印;;對(duì)圖像分割方法的認(rèn)識(shí)及新進(jìn)展研究[J];數(shù)碼世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

3 朱士蓉;謝昭;高雋;;一種圖模型下的柔性圖像分割方法[A];中國(guó)儀器儀表學(xué)會(huì)第十二屆青年學(xué)術(shù)會(huì)議論文集[C];2010年

4 朱松豪;劉佳偉;羅青青;胡榮林;;基于關(guān)聯(lián)模型的圖像分割[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

5 張志會(huì);王華英;熊南燕;廖薇;成惠;劉飛飛;;對(duì)基于圖像分割與合并的相位展開(kāi)算法的改進(jìn)[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 楊加文;謝鳳英;;基于深度學(xué)習(xí)的皮膚鏡圖像分割[A];第十五屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2017年

7 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類和區(qū)域生長(zhǎng)的圖像分割方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

8 劉智勇;李進(jìn);黃道君;;基于遺傳算法的視頻交通量檢測(cè)圖像分割方法[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

9 張萍;單筱攸;巴成賀;;主動(dòng)脈圖像分割的研究與實(shí)現(xiàn)[A];第十二屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2008年

10 趙建業(yè);余道衡;;一種基于模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)的多值圖像分割新方法[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

相關(guān)重要報(bào)紙文章 前1條

1 趙利利;圖像分割出新方法[N];中國(guó)科學(xué)報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 王晨;視覺(jué)顯著性檢測(cè)方法研究及其應(yīng)用[D];西北工業(yè)大學(xué);2018年

2 邵光普;基于混合模型和空間信息的圖像分割研究[D];華中科技大學(xué);2019年

3 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學(xué);2016年

4 段一平;基于層次視覺(jué)計(jì)算和統(tǒng)計(jì)模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

5 胡佩君;腹部CT圖像分割的可計(jì)算建模方法研究[D];浙江大學(xué);2018年

6 姜楓;基于語(yǔ)義識(shí)別的砂巖薄片圖像分割方法研究[D];南京大學(xué);2018年

7 趙曉麗;面向圖像分割的智能算法研究[D];上海大學(xué);2018年

8 倪波;高強(qiáng)度聚焦超聲圖像分割方法研究[D];武漢大學(xué);2016年

9 彭自立;用于交互式圖像分割的自適應(yīng)表觀分離[D];湖南師范大學(xué);2018年

10 瞿紹軍;基于最優(yōu)化理論的圖像分割方法研究[D];湖南師范大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 朱荽;基于密度峰值聚類的圖像分割方法研究[D];重慶郵電大學(xué);2019年

2 潘暉;基于圖像分割中輪廓提取的目標(biāo)檢測(cè)方法[D];湘潭大學(xué);2019年

3 趙俊麗;量子螢火蟲(chóng)算法改進(jìn)及其在圖像閾值分割中的應(yīng)用[D];寧夏大學(xué);2019年

4 程偉;智能優(yōu)化算法的改進(jìn)及其在圖像分割中的應(yīng)用研究[D];南昌大學(xué);2019年

5 奚文娟;基于圖像分割的細(xì)胞檢測(cè)與跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 劉雪鳴;基于攝像法的街道環(huán)境主觀恢復(fù)性效益影響因素研究[D];哈爾濱工業(yè)大學(xué);2019年

7 劉廣澤;基于紋理位置約束的超聲圖像分割方法研究[D];哈爾濱工業(yè)大學(xué);2019年

8 張雪茹;數(shù)學(xué)圖像分割在生物醫(yī)學(xué)視頻上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2019年

9 張凱文;基于U-Net的肝臟CT圖像分割研究[D];華南理工大學(xué);2019年

10 楊金玉;膜聚類算法及其在圖像分割中的應(yīng)用[D];西華大學(xué);2019年

本文編號(hào)：2605765