隨著醫(yī)療技術(shù)的不斷進(jìn)步,人們對(duì)于健康問(wèn)題也愈發(fā)地關(guān)注,這也因此催生出了許多有關(guān)于醫(yī)學(xué)圖像處理的技術(shù)。而在整個(gè)醫(yī)學(xué)組織中,細(xì)胞中的細(xì)胞核由于攜帶著眾多基因組,根據(jù)細(xì)胞核的分割來(lái)識(shí)別不同類(lèi)型的細(xì)胞核也可以提供關(guān)于細(xì)胞核的形態(tài)學(xué)信息。因此它在癌癥的前期篩查和后期的分級(jí)治療等方面都扮演著重要角色。為了進(jìn)一步地對(duì)細(xì)胞圖像進(jìn)行分析,通常會(huì)首先對(duì)細(xì)胞核進(jìn)行必要的分割操作,然而在早期的細(xì)胞核圖像處理中,人工干預(yù)的分割方式耗時(shí)耗力,且由于外界環(huán)境而產(chǎn)生干擾,最終導(dǎo)致分割的效果不佳。隨著計(jì)算機(jī)技術(shù)的發(fā)展,深度學(xué)習(xí)逐漸成為醫(yī)學(xué)圖像分析領(lǐng)域中較為熱門(mén)的課題。本文通過(guò)對(duì)傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)的分析入手,逐步創(chuàng)新新穎的神經(jīng)網(wǎng)絡(luò)方法,首先提出了一個(gè)包含新型卷積塊的卷積神經(jīng)網(wǎng)絡(luò),與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)對(duì)比證實(shí)該網(wǎng)絡(luò)在分割相隔較近的粘連細(xì)胞的任務(wù)中效果較好,但是對(duì)于細(xì)微的圖像噪聲和更加模糊的空洞像素仍舊無(wú)法準(zhǔn)確預(yù)測(cè)出來(lái)。為了解決以上問(wèn)題,進(jìn)一步提出了一個(gè)多橋型卷積神經(jīng)網(wǎng)絡(luò),它結(jié)合之前的研究工作提出的新結(jié)構(gòu)與獨(dú)特的橋型連接模塊在細(xì)胞核圖像分割中取得了優(yōu)秀的結(jié)果。本文主要的創(chuàng)新研究方法如下:（1）本文受U-Net和ResNet的啟發(fā)... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 醫(yī)學(xué)圖像分割的研究現(xiàn)狀
        1.2.2 細(xì)胞/細(xì)胞核圖像分割的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
    1.4 論文的組織結(jié)構(gòu)
第二章 圖像分割技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)
    2.1 圖像分割技術(shù)
        2.1.1 圖像分割基本概念
        2.1.2 傳統(tǒng)圖像分割方法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
    2.3 本章小結(jié)
第三章 圖像數(shù)據(jù)預(yù)處理與增強(qiáng)技術(shù)
    3.1 細(xì)胞核數(shù)據(jù)集的介紹
    3.2 數(shù)據(jù)集的預(yù)處理
        3.2.1 灰度變換
        3.2.2 歸一化
    3.3 數(shù)據(jù)集的增強(qiáng)技術(shù)
    3.4 數(shù)據(jù)的后處理
        3.4.1 漫水填充種子算法
        3.4.2 數(shù)學(xué)形態(tài)法
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的細(xì)胞核圖像分割算法
    4.1 卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其實(shí)現(xiàn)過(guò)程
        4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)
        4.1.2 卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法
    4.2 細(xì)胞核分割評(píng)估指標(biāo)
    4.3 細(xì)胞核分割結(jié)果分析
        4.3.1 數(shù)據(jù)集操作
        4.3.2 軟硬件配置
        4.3.3 分割結(jié)果分析
    4.4 本章小結(jié)
第五章 基于多橋型卷積神經(jīng)網(wǎng)絡(luò)的細(xì)胞核圖像分割算法
    5.1 多橋型神經(jīng)網(wǎng)絡(luò)的基本架構(gòu)
    5.2 多橋型神經(jīng)網(wǎng)絡(luò)的具體設(shè)計(jì)思路
        5.2.1 復(fù)合型卷積塊的設(shè)計(jì)
        5.2.2 橋型通道的設(shè)計(jì)
    5.3 多橋型神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 實(shí)驗(yàn)結(jié)果討論
    5.6 本章小結(jié)
第六章 總結(jié)和展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]世界癌癥日,好習(xí)慣讓癌癥遠(yuǎn)離[J]. 左占杰.  養(yǎng)生大世界. 2019(02)
[2]醫(yī)學(xué)圖像分割方法[J]. 潘曉航.  電子技術(shù)與軟件工程. 2018(11)
[3]Cancer incidence and mortality in China, 2014[J]. Wanqing Chen,Kexin Sun,Rongshou Zheng,Hongmei Zeng,Siwei Zhang,Changfa Xia,Zhixun Yang,He Li,Xiaonong Zou,Jie He.  Chinese Journal of Cancer Research. 2018(01)
[4]2014年中國(guó)分地區(qū)惡性腫瘤發(fā)病和死亡分析[J]. 陳萬(wàn)青,孫可欣,鄭榮壽,張思維,曾紅梅,鄒小農(nóng),赫捷.  中國(guó)腫瘤. 2018(01)
[5]醫(yī)學(xué)圖像分割方法綜述[J]. 黃文博,燕楊,王云吉.  長(zhǎng)春師范學(xué)院學(xué)報(bào). 2013(04)
[6]圖像分割方法綜述[J]. 楊暉,曲秀杰.  電腦開(kāi)發(fā)與應(yīng)用. 2005(03)



本文編號(hào)：3637594