【摘要】：血管網(wǎng)絡(luò)發(fā)育模式能夠反映血管的正常生長過程,為研究生命體發(fā)育和腫瘤生長機(jī)理提供重要的參考。血管網(wǎng)絡(luò)發(fā)育過程主要受到血液流速和新陳代謝需求等一系列生物力學(xué)和生物化學(xué)作用的共同調(diào)控,具有多時(shí)間尺度和空間模式變化復(fù)雜的特點(diǎn)。受限于缺少評估血管網(wǎng)絡(luò)形態(tài)變化的圖像技術(shù),早期對血管網(wǎng)絡(luò)發(fā)育模式的研究主要聚焦于分子、細(xì)胞等因素。隨著深度學(xué)習(xí)的不斷發(fā)展,越來越多的研究人員將其應(yīng)用于與醫(yī)學(xué)影像,尤其是與血管網(wǎng)絡(luò)圖像的結(jié)合,得到了很好的研究效果。通過對深度學(xué)習(xí)模型的訓(xùn)練,使得模型能夠精確地識別不同發(fā)育階段的血管網(wǎng)絡(luò),這有助于分析血管網(wǎng)絡(luò)的發(fā)育模式。本論文完成的主要研究工作和成果如下:(1)對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)。針對雞胚胎血管網(wǎng)絡(luò)的原始數(shù)據(jù)多樣性少的問題,本文提出了一種用于深度學(xué)習(xí)評估血管網(wǎng)絡(luò)發(fā)育水平的數(shù)據(jù)集增強(qiáng)方法。該方法能夠有效增加血管網(wǎng)絡(luò)圖像的多樣性。(2)基于卷積神經(jīng)網(wǎng)絡(luò)的不同發(fā)育階段的血管網(wǎng)絡(luò)識別。本文將卷積神經(jīng)網(wǎng)絡(luò)用于不同發(fā)育階段的血管網(wǎng)絡(luò)識別,主要包括三個部分:構(gòu)建模型、訓(xùn)練模型和測試模型。模型經(jīng)過調(diào)試最終分類的正確率達(dá)到了98%以上。(3)對測試數(shù)據(jù)進(jìn)行可視化操作。在對不同階段血管網(wǎng)絡(luò)識別的基礎(chǔ)上,本文繼續(xù)深入研究,對模型的預(yù)測進(jìn)行可視化操作。通過對測試集的可視化操作,便于本文后期對卷積神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果的解釋,同時(shí)也能夠直觀地體現(xiàn)不同發(fā)育階段血管網(wǎng)絡(luò)的特征。通過上述工作,實(shí)驗(yàn)得到了較好的研究結(jié)果。通過可視化技術(shù),較好地展現(xiàn)了不同發(fā)育階段血管網(wǎng)絡(luò)的特征和生長趨勢。
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP183;R318
【圖文】：

卷積的過程

最大池化的過程

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 周恩臣;黃子成;潘兵;林東海;鄭樂民;;2型糖尿病高密度脂蛋白影響血管內(nèi)皮細(xì)胞代謝網(wǎng)絡(luò)的分子機(jī)制研究[J];中國病理生理雜志;2015年10期

2 成謝鋒;陳泓;姬漢貴;郭宇鋒;張少白;;一種基于集總參數(shù)的心血管系統(tǒng)仿真模型及心音產(chǎn)生機(jī)理[J];中國科學(xué):信息科學(xué);2014年09期

3 王麗萍;張新明;李繼偉;張驗(yàn)科;李克飛;;BP網(wǎng)絡(luò)激活函數(shù)選擇及在徑流預(yù)報(bào)模型中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);2014年01期

4 彭浩杰;趙俊;;血管網(wǎng)絡(luò)定量分析研究進(jìn)展[J];生命科學(xué);2013年08期

5 朱大奇;人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J];江南大學(xué)學(xué)報(bào);2004年01期

6 金惠銘,李先濤;血管新生的調(diào)控[J];中國微循環(huán);2001年02期

本文編號：2725706