皮膚色素性病變是皮膚病中的一種,多由色素的增多或減少引起皮膚顏色的改變。黑色素瘤是皮膚色素性病變中最嚴(yán)重的惡性腫瘤,早期易于其他良性皮膚色素疾病混淆,以致于患者延誤最佳治療時(shí)期。如果沒(méi)有相應(yīng)的專業(yè)知識(shí),很難直接通過(guò)外觀來(lái)區(qū)分是皮膚色素性病變是否是惡性腫瘤。皮膚鏡圖像可提供更多的顏色和紋理信息。現(xiàn)階段醫(yī)生通過(guò)皮膚鏡圖像進(jìn)行臨床診斷,但這種方式依賴于醫(yī)生的專業(yè)能力,且存在一定的誤診。構(gòu)建針對(duì)皮膚病的計(jì)算機(jī)輔助診斷系統(tǒng)可以提高檢測(cè)效率和準(zhǔn)確率。對(duì)皮膚鏡圖像的皮損區(qū)域更精準(zhǔn)的分割可以幫助醫(yī)生和系統(tǒng)更好的做出決策,從而幫助患者爭(zhēng)取寶貴的治療時(shí)間。本文的主要內(nèi)容如下:（1）本文提出了一種U型網(wǎng)絡(luò)結(jié)構(gòu),它使用ResNet網(wǎng)絡(luò)結(jié)構(gòu)作為編碼器結(jié)構(gòu),使用金字塔池化模塊連接編碼器和解碼器,該模塊對(duì)局部信息和全局信息進(jìn)行了融合,提高了模型對(duì)不同尺度特征的感受能力。本文引入了Swish激活函數(shù),對(duì)ReLU激活函數(shù)進(jìn)行替換后,模型的分割性能得到提升。最后,為了提升模型在邊界的預(yù)測(cè)能力,本文設(shè)計(jì)了一種懲罰邊界的損失函數(shù)。它使邊界的像素點(diǎn)獲得更高的權(quán)重,使模型在邊界區(qū)域分割時(shí)更為精確。利用本文提出的模型及相關(guān)改進(jìn),在... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

黑色素瘤

第一章緒論3圖1-2皮膚鏡和皮膚鏡下的皮膚皮膚鏡圖像是交叉偏振濾光鏡（非接觸式皮膚鏡）或油/凝膠界面（浸入式皮膚鏡）等專業(yè)設(shè)備產(chǎn)生的圖片[6]。宏觀圖像是由更常規(guī)的系統(tǒng)，如標(biāo)準(zhǔn)相機(jī)捕獲的圖像。從宏觀圖像與皮膚鏡圖像的成像質(zhì)量和成本考慮，雖然皮膚鏡圖像需要更多的成本，但是可提供更多的顏色和圖案特性[8]。皮下鏡檢可提高診斷準(zhǔn)確性。考慮到數(shù)據(jù)集的可用性和皮膚鏡的適應(yīng)性[9]，本文在論文中使用皮膚鏡圖像進(jìn)行皮膚病分割。1.1.2研究意義本文的研究的重點(diǎn)是如何有效的分割皮膚鏡圖像的皮損區(qū)域。對(duì)于皮膚色素病變中的較為嚴(yán)重的惡性腫瘤如黑色素瘤，受到轉(zhuǎn)移影響的患者預(yù)期壽命不到一年，但是如果及早發(fā)現(xiàn)，五年生存率將提高到98％[10]。因此，早期檢測(cè)對(duì)于降低死亡率非常重要。研究背景指出，如果能夠?qū)谏亓鲞M(jìn)行早發(fā)現(xiàn)、早治療，那么就會(huì)降低黑色素瘤的治療難度，從而降低致死率。但是，黑色素瘤在初期的形成并無(wú)痛感，且很容易被患者忽視，確診時(shí)多在晚期。如果在0、1、2期診斷出黑色素瘤，可以通過(guò)外科手術(shù)切割腫瘤及其周圍可能擴(kuò)散的淋巴組織。但如果任由其發(fā)展，將會(huì)發(fā)展到3、4期，即癌細(xì)胞擴(kuò)散到臨近的淋巴結(jié)或淋巴管，甚至轉(zhuǎn)移到腦、肺、肝臟等部位，那么就需要采取免疫療法、化學(xué)療法等，將會(huì)極大的威脅患者的生命安全，給患者帶來(lái)沉重的精神壓力和經(jīng)濟(jì)負(fù)擔(dān)。在臨床上，醫(yī)生使用皮膚鏡技術(shù)進(jìn)行早期的檢查，對(duì)于早期發(fā)現(xiàn)黑色素瘤有巨大的貢獻(xiàn)。醫(yī)生早期通過(guò)皮膚鏡進(jìn)行檢查，根據(jù)醫(yī)學(xué)知識(shí)和臨床的經(jīng)驗(yàn)進(jìn)行主觀判斷，但容易產(chǎn)生誤診。研究發(fā)現(xiàn)，對(duì)于有經(jīng)驗(yàn)和缺乏經(jīng)驗(yàn)的醫(yī)生使用七點(diǎn)檢查法進(jìn)行調(diào)查，發(fā)現(xiàn)其特異性（Specificity）和靈敏度（Sensitivity）相差巨大，有經(jīng)驗(yàn)的醫(yī)生可達(dá)75%和95%，缺乏經(jīng)驗(yàn)的醫(yī)生卻僅有48%和85%

第一章緒論5膚色素病皮膚鏡圖像皮損區(qū)域不規(guī)則，對(duì)比度不高，基于早期的數(shù)字圖像分割算法很難取得令人滿意的分割效果。1.2.2皮膚鏡圖像皮損區(qū)域深度學(xué)習(xí)方法概述分割任務(wù)本質(zhì)上是對(duì)像素的分類。傳統(tǒng)的基于特征工程設(shè)計(jì)并提取特征的方法，對(duì)特定任務(wù)設(shè)計(jì)、選擇合適的特征非常繁瑣。分類器的好壞取決于特征的優(yōu)劣。如圖1-3所示，神經(jīng)網(wǎng)絡(luò)不再需要手動(dòng)設(shè)計(jì)特征，神經(jīng)網(wǎng)絡(luò)通過(guò)有監(jiān)督的學(xué)習(xí)，由損失函數(shù)和梯度下降算法驅(qū)動(dòng)網(wǎng)絡(luò)去學(xué)習(xí)對(duì)圖像任務(wù)理解有幫助的特征，整個(gè)過(guò)程端到端，比較簡(jiǎn)潔。自從GeoffreyHinton等人2006年提出深度學(xué)習(xí)概念[25]，近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)不斷發(fā)展，網(wǎng)絡(luò)的深度不斷增加，卷積神經(jīng)網(wǎng)絡(luò)在特征提取上的潛力得到挖掘，在目標(biāo)識(shí)別、檢測(cè)和分割等領(lǐng)域得到廣泛的研究與應(yīng)用，在很多大型數(shù)據(jù)集上取得較好的成績(jī)。圖1-3傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)流程上的區(qū)別卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展改變了皮膚病分割和識(shí)別領(lǐng)域的發(fā)展。不在像傳統(tǒng)的機(jī)器學(xué)習(xí)在使用分類器之前進(jìn)行特征提取，它們使用的深度神經(jīng)網(wǎng)絡(luò)不需要進(jìn)行手動(dòng)的特征提取，實(shí)現(xiàn)了端到端的訓(xùn)練與預(yù)測(cè)。并且，在皮膚病分類方面特異度和敏感度均超過(guò)了從業(yè)的醫(yī)學(xué)專業(yè)人員。接下來(lái)將會(huì)介紹近年來(lái)深度學(xué)習(xí)在皮膚病分割領(lǐng)域的進(jìn)展。JonathanLong[26]等人在2015年提出了全卷積神經(jīng)網(wǎng)絡(luò)（FullyConvolutionNetwork），整個(gè)網(wǎng)絡(luò)不再使用全連接層轉(zhuǎn)而使用卷積層，他們采用了著名的分類網(wǎng)絡(luò)，包括VGG[27]，GoogleNet[27,28]，AlexNet[29]來(lái)進(jìn)行分割任務(wù)。由于這些網(wǎng)絡(luò)


本文編號(hào)：3483517