本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)方法的前列腺病理切片圖像識(shí)別

  更多相關(guān)文章： 前列腺 機(jī)器學(xué)習(xí) 深度神經(jīng)網(wǎng)絡(luò) 空間金字塔

【摘要】：前列腺癌是男性生殖系統(tǒng)最常見(jiàn)的惡性腫瘤，被視為危害中老年男性健康的主要原因之一，只有早發(fā)現(xiàn)、早治療，才不會(huì)錯(cuò)過(guò)治療的最佳時(shí)機(jī)。前列腺病理切片圖像自動(dòng)分析的核心算法，已成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。因此，研究前列腺病理切片的自動(dòng)分類算法，對(duì)開(kāi)發(fā)前列腺計(jì)算機(jī)輔助診斷系統(tǒng)，輔助醫(yī)生診斷，有很大的幫助。 為提高醫(yī)生工作效率和防止前列腺病理圖像人為標(biāo)記失誤，本文提出了一種基于深度學(xué)習(xí)的前列腺病理圖像組織來(lái)源的判斷算法。該算法首先對(duì)前列腺病理圖像按圖像塊進(jìn)行隨機(jī)采樣，并通過(guò)白化等預(yù)處理后，用深度學(xué)習(xí)算法對(duì)這些采樣圖像塊進(jìn)行無(wú)監(jiān)督的學(xué)習(xí)，然后將學(xué)習(xí)到的特征作為Softmax回歸分類器的輸入，對(duì)隨機(jī)采樣的圖像塊分類,最后利用ROC(Receiver Operating Characteristic)曲線，選取合適的閾值，對(duì)整幅圖像進(jìn)行分類，實(shí)現(xiàn)對(duì)前列腺病理圖像組織來(lái)源的判斷。 在前列腺癌病理圖像識(shí)別方面，癌變前列腺病理圖像空間整體結(jié)構(gòu)相比正常前列腺病理圖像有以下差異：前列腺間質(zhì)結(jié)構(gòu)紊亂，方向不規(guī)則；腺腔區(qū)域變小，甚至無(wú)腺腔；細(xì)胞核散亂分布。本文利用基于空間金字塔匹配(Spatial Pyramid Matching,SPM)的詞袋模型(BagofWords,BoW)方法，對(duì)前列腺病理圖像空間整體信息進(jìn)行描述，最后用SVM分類器進(jìn)行分類。 實(shí)驗(yàn)結(jié)果表明，，本文提出的前列腺病理切片圖像分析方法是可行的，具有較好的魯棒性。
【關(guān)鍵詞】：前列腺 機(jī)器學(xué)習(xí) 深度神經(jīng)網(wǎng)絡(luò) 空間金字塔
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP391.41;R361.2;R737.25
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 課題背景及意義10
• 1.2 前列腺形態(tài)組織特征簡(jiǎn)述10-12
• 1.2.1 正常的前列腺組織學(xué)特征10-11
• 1.2.2 前列腺癌的病理特征11-12
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀12
• 1.4 機(jī)器學(xué)習(xí)方法介紹12-15
• 1.4.1 深度學(xué)習(xí)簡(jiǎn)介13-14
• 1.4.2 支持向量機(jī)簡(jiǎn)介14-15
• 1.5 本文研究?jī)?nèi)容和章節(jié)安排15-16
• 第二章 深度學(xué)習(xí)的基本方法16-34
• 2.1 稀疏自編碼16-24
• 2.1.1 神經(jīng)元16-17
• 2.1.2 神經(jīng)網(wǎng)絡(luò)模型17-19
• 2.1.3 反向傳播算法19-21
• 2.1.4 稀疏自編碼的含義21-24
• 2.2 受限玻爾茲曼機(jī)（RESTRICT BOLTZMANN MACHINE）24-29
• 2.2.1 受限玻爾茲曼機(jī)的基本模型24-26
• 2.2.2 基于對(duì)比散度的 RBM 快速學(xué)習(xí)算法26-29
• 2.3 棧式自編碼神經(jīng)網(wǎng)絡(luò)的訓(xùn)練29-31
• 2.3.1 概述29-30
• 2.3.2 逐層訓(xùn)練30
• 2.3.3 微調(diào)棧式自編碼神經(jīng)網(wǎng)絡(luò)30-31
• 2.4 深度信念網(wǎng)絡(luò)的訓(xùn)練31-33
• 2.4.1 訓(xùn)練過(guò)程概述31-33
• 2.5 本章小結(jié)33-34
• 第三章 基于深度學(xué)習(xí)的前列腺病理圖像判斷34-45
• 3.1 非監(jiān)督學(xué)習(xí)35-37
• 3.1.1 圖像塊的采集35
• 3.1.2 白化35-36
• 3.1.3 非監(jiān)督學(xué)習(xí)36-37
• 3.2 SOFTMAX 回歸分類器37-40
• 3.2.1 代價(jià)函數(shù)38-39
• 3.2.2 權(quán)重衰減39-40
• 3.3 基于 ROC 曲線的全局判斷40-41
• 3.3.1 ROC 曲線的主要作用40
• 3.3.2 ROC 曲線的評(píng)價(jià)指標(biāo)40-41
• 3.4 實(shí)驗(yàn)結(jié)果41-44
• 3.4.1 基于圖像塊的分類結(jié)果41-42
• 3.4.2 基于 ROC 曲線的全局分類結(jié)果42-44
• 3.5 本章小結(jié)44-45
• 第四章 基于空間金字塔的前列腺癌病理圖像的識(shí)別45-56
• 4.1 SIFT 特征簡(jiǎn)介46-50
• 4.1.1 構(gòu)建尺度空間46-47
• 4.1.2 特征點(diǎn)檢測(cè)并過(guò)濾47-48
• 4.1.3 特征點(diǎn)確定方向48-49
• 4.1.4 生成 SIFT 特征向量49
• 4.1.5 Dense SIFT (密集的尺度不變特征)49-50
• 4.2 基于 BOW 的前列腺病理圖像表示50-51
• 4.2.1 BoW 簡(jiǎn)介50
• 4.2.2 基于 BoW 的前列腺病理圖像表示50-51
• 4.3 基于 SPM-BOW 的前列腺病理圖像表示51-53
• 4.3.1 金字塔匹配核51-52
• 4.3.2 基于 SPM-BoW 模型的前列腺病理圖像表示52-53
• 4.4 基于支持向量機(jī)的分類結(jié)果53-54
• 4.4.1 基于 BoW 模型的前列腺癌病理圖像分類實(shí)驗(yàn)53-54
• 4.4.2 基于 SPM-BoW 模型的前列腺癌病理圖像分類實(shí)驗(yàn)54
• 4.5 本章小結(jié)54-56
• 總結(jié)與展望56-58
• 參考文獻(xiàn)58-61
• 攻讀碩士學(xué)位期間取得的研究成果61-62
• 致謝62-63
• 附錄63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 楊振森;李傳富;周康源;劉偉;馮煥清;;基于小波變換的超聲圖像紋理特征提取及前列腺癌診斷[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2009年04期

2 李欣,王禾,張盈濤,袁建林,趙一嶺;正常前列腺和良性前列腺增生組織成分的圖像分析研究[J];西北國(guó)防醫(yī)學(xué)雜志;2003年02期

3 葉敏;“前列腺疾病新進(jìn)展”專題研討會(huì)簡(jiǎn)介[J];中華泌尿外科雜志;2002年08期

本文編號(hào)：935832