發(fā)布時間：2022-01-02 05:54

　　隨著深度學習和圖像識別算法的不斷更新和發(fā)展,利用計算機去學習人的思維能力和經(jīng)驗,輔助人類處理日常的工作已經(jīng)變得越來越常見。智慧醫(yī)療就是將更多的人工智能技術運用到臨床疾病的診斷和治療當中。臨床中常見的醫(yī)學圖像是我們分析病情和判斷病情的依據(jù),將深度學習和圖像識別的技術運用到醫(yī)療領域中進行醫(yī)學圖像的識別和分析,利用高性能的計算機去處理大量的醫(yī)學圖片,是醫(yī)療大數(shù)據(jù)的一個重要的研究方向,也是加速智慧醫(yī)療體系建設的重要分支。據(jù)世衛(wèi)組織的調查數(shù)據(jù)顯示,全球大概存在7%-11%的育齡人口遭受不孕不育的困擾,其中至少30-50%的病例與男性有關。對男性進行精液分析是診斷男性不孕不育的主要方式,對精子的形態(tài)分析是評估診斷者是否患病的關鍵因素之一。目前對精子的人工評估存在主觀性強、標準不嚴格、耗時等缺陷,因此,利用圖像識別算法,通過高性能計算機去實現(xiàn)精子形態(tài)評估,輔助醫(yī)生進行精子形態(tài)分析是非常具有臨床實用價值。本文是在吉林省科技廳重點科技攻關項目和醫(yī)大一院合作項目的支持下完成的。醫(yī)學精子圖像的目標檢測,包含對精子頭部有效特征的提取和精子頭部的形態(tài)分類兩部分,本文的研究重點是利用卷積神經(jīng)網(wǎng)絡的算法對醫(yī)學精子頭... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

精子形態(tài)異常示意圖

吉林大學碩士學位論文8構和連接方式使得DenseNet比其他網(wǎng)絡需要學習的特征更少，計算量和參數(shù)也更小，增加了特征的重復利用，提升了效率，使得網(wǎng)絡性能進一步提升。2.2基于目標檢測的卷積神經(jīng)網(wǎng)絡2.2.1卷積神經(jīng)網(wǎng)絡的結構和原理CNN的局部感受野特性，減少了對圖像的預處理，能夠直接將待檢測圖片輸入網(wǎng)絡中進行處理，卷積神經(jīng)網(wǎng)絡[31]的基礎結構如圖2.1所示。圖2.1卷積神經(jīng)網(wǎng)絡結構CNN[32]網(wǎng)絡包括卷積層、池化層及全連接層等，保證了CNN網(wǎng)絡有很好的特征提取能力。（1）卷積層卷積層(Convolutionlayer)用于提取圖像的有效特征信息，卷積運算過程如圖2.2所示。10011001221101020001100110010100110000120101112011110210101100020111021000012110010101-11001312-143423-132302221312131312412314-124134151023132圖2.2卷積運算過程卷積的運算過程，輸入圖片的矩陣像素點和卷積核數(shù)值的乘積之和，是一個特征映射點，隨著步長從左到右，從上而下，對輸入圖片進行完整的掃描，卷積核經(jīng)過的位置就是感受野，提取到的就是特征信息，最終掃過圖片的矩陣得到的數(shù)組矩陣，我們稱之為特征映射[33]。卷積核與特征圖進行卷積計算的公式：,ijijmnksijijyxmnMxwb...…...................（2.1）

增加Dropout層前（左）和后（右）


本文編號：3563611