發(fā)布時(shí)間：2020-11-04 19:59

　　 隨著人工智能、大數(shù)據(jù)等最新前沿技術(shù)大面積落地及推廣,近年來以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的深度學(xué)習(xí)領(lǐng)域一直是科學(xué)研究領(lǐng)域的熱點(diǎn)�；谏疃葘W(xué)習(xí)技術(shù)在圖像檢索分類和特征提取融合等方面的優(yōu)勢(shì),本文主要內(nèi)容以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)將其應(yīng)用于醫(yī)學(xué)圖像分割領(lǐng)域并進(jìn)行分類判別研究,以實(shí)現(xiàn)將深度學(xué)習(xí)技術(shù)應(yīng)用于醫(yī)學(xué)圖像數(shù)據(jù)分析研究。針對(duì)醫(yī)學(xué)圖像中的細(xì)胞尺寸大小不同、形態(tài)各異、紋理變化多樣等特點(diǎn),導(dǎo)致難以分割出精準(zhǔn)的細(xì)胞區(qū)域問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)合邊緣聚類的新算法用于細(xì)胞圖像分割。(1)首先用染色校正預(yù)處理方式提高原始圖像樣本的色彩對(duì)比度,(2)然后利用卷積神經(jīng)網(wǎng)絡(luò)得到初步的分割結(jié)果,(3)最后通過邊緣聚類方式以提升分割結(jié)果的連續(xù)性和完整性。此外,本文中還利用了深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)做細(xì)胞區(qū)域目標(biāo)檢測(cè),也取得了一定的實(shí)現(xiàn)效果,更加直觀顯示細(xì)胞圖像中有效目標(biāo)區(qū)域,幫助廣大醫(yī)學(xué)工作者識(shí)別判定,為病理學(xué)家提供一些客觀的數(shù)據(jù)參考。實(shí)驗(yàn)表明:相較于經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)、模糊聚類、閾值分割等其他細(xì)胞圖像分割算法,本文提出的細(xì)胞分割方法在分割結(jié)果的完整度方面提升了6.15%;較經(jīng)典的VGG19結(jié)構(gòu)提升了1.17%。在實(shí)際臨床醫(yī)學(xué)診斷過程中,細(xì)胞的尺寸大小通常用作評(píng)判細(xì)胞生理狀態(tài)類型好壞的參考依據(jù),在此基礎(chǔ)上本文使用了目前較為流行的計(jì)算機(jī)視覺技術(shù),以此方式獲得分割圖像中細(xì)胞顆粒的基本屬性特征,即周長(zhǎng)、面積等,并通過支持向量機(jī)分類器進(jìn)行細(xì)胞類型判別。另外,本文還結(jié)合了現(xiàn)有機(jī)器學(xué)習(xí)中常用方法將細(xì)胞顆粒進(jìn)行分類聚類操作,也得到了一些有效識(shí)別分類的效果。
【學(xué)位單位】：上海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP183;R318
【部分圖文】：

組織細(xì)胞切片圖

各類閾值分割方法比較

圖2-2兩類邊緣檢測(cè)算子分割效果
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚霆;張煒;劉金根;;基于深度學(xué)習(xí)的圖像分割技術(shù)[J];人工智能;2019年02期

2 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

3 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識(shí)與技術(shù);2019年05期

4 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

5 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計(jì)學(xué)習(xí)理論的最小生成樹圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2017年07期

6 李然;李記鵬;宋超;;基于顯著性檢測(cè)的協(xié)同圖像分割研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年24期

7 鄧惠俊;;一種基于數(shù)據(jù)場(chǎng)的圖像分割方法與研究[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年02期

8 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

9 劉印;;對(duì)圖像分割方法的認(rèn)識(shí)及新進(jìn)展研究[J];數(shù)碼世界;2018年08期

10 楊成佳;;唇紋識(shí)別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

相關(guān)博士學(xué)位論文 前10條

1 倪波;高強(qiáng)度聚焦超聲圖像分割方法研究[D];武漢大學(xué);2016年

2 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學(xué);2016年

3 段一平;基于層次視覺計(jì)算和統(tǒng)計(jì)模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

4 胡佩君;腹部CT圖像分割的可計(jì)算建模方法研究[D];浙江大學(xué);2018年

5 姜楓;基于語義識(shí)別的砂巖薄片圖像分割方法研究[D];南京大學(xué);2018年

6 趙曉麗;面向圖像分割的智能算法研究[D];上海大學(xué);2018年

7 王森;非受限場(chǎng)景裂紋圖像分割方法研究[D];昆明理工大學(xué);2017年

8 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學(xué);2017年

9 戴令正;自然圖像分割的若干算法研究[D];南京理工大學(xué);2017年

10 李鋼;偏微分方程與變分技術(shù)在圖像分割中的應(yīng)用研究[D];太原理工大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 林珊珊;基于G~0分布的SAR圖像分割算法的研究[D];天津理工大學(xué);2019年

2 丁奇安;非限定環(huán)境下的車牌識(shí)別技術(shù)研究[D];安徽工程大學(xué);2019年

3 孫夏;醫(yī)學(xué)體數(shù)據(jù)處理算法研究及其在數(shù)字口腔中的應(yīng)用[D];浙江大學(xué);2019年

4 廖旋;基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像目標(biāo)分割研究[D];南昌航空大學(xué);2019年

5 余強(qiáng)浩;應(yīng)用于人工視覺假體的圖像分割神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與硬件實(shí)現(xiàn)[D];西安理工大學(xué);2019年

6 余佳佳;結(jié)合分?jǐn)?shù)階微分和活動(dòng)輪廓模型的圖像分割方法研究[D];南昌航空大學(xué);2019年

7 李彪;基于生成式對(duì)抗網(wǎng)絡(luò)的細(xì)胞圖像分割方法的研究[D];哈爾濱理工大學(xué);2019年

8 胡威;基于卷積神經(jīng)網(wǎng)絡(luò)的細(xì)胞圖像分割與類型判別[D];上海師范大學(xué);2019年

9 劉先麗;基于FCN和多圖譜信息的腦圖像分割研究[D];安徽大學(xué);2019年

10 馬巖;血細(xì)胞形態(tài)學(xué)檢驗(yàn)與識(shí)別技術(shù)研究[D];北方工業(yè)大學(xué);2019年

本文編號(hào)：2870538