背景:近年來,隨著卷積神經網絡的迅速發(fā)展,計算機視覺算法廣泛應用于醫(yī)療行業(yè),尤其是依賴視覺與圖像進行診療的皮膚學領域。已有的研究提示我們卷積神經網絡可以在皮膚病的鑒別中取得很好的效果,譬如2017年斯坦福團隊鑒別惡性黑素瘤與良性色素痣,以及角質形成細胞癌與良性脂溢性角化的兩項任務。尋常痤瘡是一種常見的皮膚病,但因為缺少國際統(tǒng)一的嚴重程度分級標準,造成治療不規(guī)范、臨床試驗難以開展的現(xiàn)象。在痤瘡嚴重程度分級中應用深度學習的研究很少。目的:試圖將不同的卷積神經網絡算法應用于面部痤瘡的分級評估中,并研究深度學習輔助評估特定皮膚疾病的最佳思路與方法。方法:回顧現(xiàn)存數十種痤瘡嚴重程度分級標準的優(yōu)缺點后,研究選定了面部作為此次研究的評價部位,并采納了日本皮膚學家Hayashi等人建立的計數與圖像結合的分級標準。在北京協(xié)和醫(yī)院皮膚科門診招募符合入選標準的尋常痤瘡患者,征得口頭知情同意后,用數碼微型單反相機拍攝左、右兩側面部的照片。模擬分級與計數兩種不同的評估思路,分別采用圖像分類和物體檢測兩種算法模型來完成痤瘡的分級任務。即由有資質的皮膚科�？漆t(yī)生,在經過Hayashi標準培訓后,對樣本進行分級;再在... 

【文章來源】：北京協(xié)和醫(yī)學院北京市 211工程院校 985工程院校

【文章頁數】：63 頁

【學位級別】：博士

【部分圖文】：

圖１傳統(tǒng)算法模型??

圖２神經網絡的抽象與迭代??卷積神經網絡的重要單元是層（ｌａｙｅｒｓ）。網絡的每一層都有若干個神經元??（ｎｅｕｒｏｎｓ）構成。神經元有多種類型，包括卷積（ｃｏｎｖｏｌｕｔｉｏｎ）神經元、池化（ｐｏｏｌｉｎｇ）??神經元、歸一化（ｎｏｒｍａｌｉｚａｔｉｏｎ）神經元、激勵（ａｃｔｉｖａｔｉｏｎ）神經元，等等。不同??類型的神經元對輸入信號進行不同的處理，從而完成編碼、組合等操作，也即人腦??的抽象、迭代功能。通常，卷積神經網絡的輸入層（ｉｎｐｕｔ?ｌａｙｅｒ）是圖像信號，輸??出層（ｏｕｔｐｕｔｌａｙｅｒ）是任務信息（如分類結果）的某種編碼，輸入層和輸出層中間??的網絡成為隱藏層（ｈｉｄｄｅｎ?ｌａｙｅｒｓ），常見的隱藏層包括：卷積層（ｃｏｎｖｏｌｕｔｉｏｎ?ｌａｙｅｒｓ）、??池化層（ｐｏｏｌｉｎｇｌａｙｅｒｓ）、歸一化層（ｎｏｒｍａｌｉｚａｔｉｏｎｌａｙｅｒｓ）、激勵函數層（ａｃｔｉｖａｔｉｏｎ??ｌａｙｅｒｓ）、損失函數層（ｌｏｓｓ?ｌａｙｅｒｓ），等等。??從本質上看，卷積神經網絡可以視為另一種基于局部特征的圖像表示模型。在??較低的層次上，每個神經元只能獲得較小范圍的圖像輸入，通常用于描述較弱的紋??理、邊緣等信息。隨著卷積、池化等操作的進行，高層次神經元的控制區(qū)域也不斷??一

輕度的粉刺型痤瘡到暴發(fā)型伴有系統(tǒng)性癥狀的痤瘡［１４］，主要表現(xiàn)形態(tài)有粉刺??（ｃｏｍｅｄｏ）、丘疫（ｐａｐｕｌｅ）、膿皰（ｐｕｓｔｕｌｅ）、結節(jié)（ｎｏｄｕｌｅ）、囊腫（ｃｙｓｔ），等??等（圖３）。尋常痤瘡是一種非常普遍的疾病，發(fā)病率高峰出現(xiàn)在青少年，約８５％??的１２－２４歲的青少年患此病，使之在這組人群中成為一種生理現(xiàn)象。雖然尋常痤??瘡常見于青少年，但１２％的女性和３％的男性會持續(xù)到４４歲如］。痤瘡在經濟上和??心理上的影響是無可否認的。在美國，每年花費在治療痤瘡上的總費用高達２５億??美元以上，是醫(yī)療資源的沉重負擔；痤瘡對青春期患者容貌的改變，經常造成患者??的自卑和社會隔離，而不規(guī)范的治療手段對患者身心健康更會造成嚴重且不可逆的??傷害。??■■■■■■??■■Ｉ?■■■?：??粉刺?［７．瘡?膿皰?結節(jié)?囊腫??圖３尋常痤瘡的五類表現(xiàn)形態(tài)??因此，開展科學的藥物臨床試驗、規(guī)范尋常痤瘡的治療方法，對于患者及整個??社會都意義重大。而事實上，痤瘡嚴重程度的分級標準種類繁多，缺乏國際統(tǒng)一的??標準


本文編號：3472987