發(fā)布時間：2025-01-14 17:33

　　以黑色素瘤為代表的皮膚色素性惡性病變具有極高的致死率。黑色素瘤發(fā)病早期易與黑色素痣等有較高發(fā)病率的良性病變混淆,導(dǎo)致治療延誤�，F(xiàn)階段基于皮膚鏡進(jìn)行皮膚色素性病變診斷篩查的方式依賴醫(yī)生臨床經(jīng)驗(yàn),較為耗時,存在一定主觀性。而構(gòu)建面向皮膚色素性病變的計(jì)算機(jī)輔助診斷系統(tǒng)可以緩解緊張的醫(yī)療資源,減輕醫(yī)生的工作負(fù)擔(dān),提高篩查診斷效率,為患者爭取寶貴的治療時機(jī)。針對皮膚色素性病變圖像臨床表現(xiàn)變化較大、病灶邊界模糊的問題,本文基于深度卷積網(wǎng)絡(luò),從皮膚色素性病變的病灶區(qū)域分割和病變識別兩個方面對皮膚色素性病變計(jì)算機(jī)輔助診斷方法進(jìn)行研究。本文的主要研究工作如下:(1)本文基于UNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),提出基于多級特征融合的兩階段卷積神經(jīng)網(wǎng)絡(luò)分割算法。編碼部分采用多級特征融合可以促進(jìn)解碼部分對空間位置信息的恢復(fù),解碼部分采用多級特征融合促進(jìn)梯度信息的流動。針對病灶區(qū)域灰度不均勻問題,在編碼部分引入可變形卷積來自適應(yīng)增大感受野。最后,通過兩階段方法進(jìn)一步提升小尺度病灶區(qū)域的分割效果。對比基于ResNet50網(wǎng)絡(luò)的基礎(chǔ)分割模型,利用本文提出的改進(jìn),在PH2數(shù)據(jù)集上的Jaccard Index分割性能指標(biāo)獲得了...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2一步長為l的二維卷積運(yùn)算示意圖

北京郵電大學(xué)工學(xué)碩士學(xué)位論文卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力，這也是卷為全面的介紹卷積運(yùn)算的原理和卷積的特性，因卷積操作區(qū)別于其他類別神經(jīng)網(wǎng)絡(luò)。卷積層ｋｅｒｎｅｌ）進(jìn)行離散卷積操作。卷積運(yùn)算可視為卷積程，卷積層的輸出稱為特征圖（ｆｅａｔｕｒｅｍａｐｓ），里的卷積操作并非嚴(yán)格等價于數(shù)....

圖２－３多通道輸入卷積運(yùn)算簡單示例圖??

圖２－４?ＶＧＧ１６網(wǎng)絡(luò)模型??

特點(diǎn)：分離融合結(jié)構(gòu)和卷積分解。卷積分解的目的是壓縮模型參數(shù)數(shù)量，從類似??ＶＧＧ１６的多個小卷積層替代大卷積層，到極致地將卷積分解為ｌｘｎ和ｎｘｌ的卷??積層，衍生出Ｉｎｃｅｐｔｉｏｎ網(wǎng)絡(luò)不同的版本。對于分離融合結(jié)構(gòu)，如圖２－５展示的??ＩｎｃｅｐｔｉｏｎＶｌ網(wǎng)絡(luò)模型的Ｉｎｃｅｐ....

圖２－６殘差模塊結(jié)構(gòu)??

度網(wǎng)絡(luò)仍會陷入模型退化的問題。ＲｅｓＮｅｔ網(wǎng)絡(luò)基于殘差學(xué)習(xí)的思想，將殘差結(jié)構(gòu)引??入到模型中，利用殘差函數(shù)來逼近高度抽象的恒等映射，同時短路連接也促進(jìn)梯度信息??的流動，使得能夠訓(xùn)練更深的網(wǎng)絡(luò)，模型性能得以提升。殘差結(jié)構(gòu)如圖２－６所示：??ｃ－ｄｉｍｅｎｓｉｏｎ?ｃ－ｄｉｍｅｎｓ....

本文編號：4026948