隨著醫(yī)療技術的不斷進步,人們對于健康問題也愈發(fā)地關注,這也因此催生出了許多有關于醫(yī)學圖像處理的技術。而在整個醫(yī)學組織中,細胞中的細胞核由于攜帶著眾多基因組,根據(jù)細胞核的分割來識別不同類型的細胞核也可以提供關于細胞核的形態(tài)學信息。因此它在癌癥的前期篩查和后期的分級治療等方面都扮演著重要角色。為了進一步地對細胞圖像進行分析,通常會首先對細胞核進行必要的分割操作,然而在早期的細胞核圖像處理中,人工干預的分割方式耗時耗力,且由于外界環(huán)境而產(chǎn)生干擾,最終導致分割的效果不佳。隨著計算機技術的發(fā)展,深度學習逐漸成為醫(yī)學圖像分析領域中較為熱門的課題。本文通過對傳統(tǒng)的卷積神經(jīng)網(wǎng)絡的分析入手,逐步創(chuàng)新新穎的神經(jīng)網(wǎng)絡方法,首先提出了一個包含新型卷積塊的卷積神經(jīng)網(wǎng)絡,與傳統(tǒng)的神經(jīng)網(wǎng)絡對比證實該網(wǎng)絡在分割相隔較近的粘連細胞的任務中效果較好,但是對于細微的圖像噪聲和更加模糊的空洞像素仍舊無法準確預測出來。為了解決以上問題,進一步提出了一個多橋型卷積神經(jīng)網(wǎng)絡,它結合之前的研究工作提出的新結構與獨特的橋型連接模塊在細胞核圖像分割中取得了優(yōu)秀的結果。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)... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：89 頁

【學位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 醫(yī)學圖像分割的研究現(xiàn)狀
        1.2.2 細胞/細胞核圖像分割的國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容及創(chuàng)新點
    1.4 論文的組織結構
第二章 圖像分割技術與卷積神經(jīng)網(wǎng)絡
    2.1 圖像分割技術
        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
        2.2.1 卷積神經(jīng)網(wǎng)絡概述
        2.2.2 卷積神經(jīng)網(wǎng)絡的基本結構
    2.3 本章小結
第三章 圖像數(shù)據(jù)預處理與增強技術
    3.1 細胞核數(shù)據(jù)集的介紹
    3.2 數(shù)據(jù)集的預處理
        3.2.1 灰度變換
        3.2.2 歸一化
    3.3 數(shù)據(jù)集的增強技術
    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)學形態(tài)法
    3.5 本章小結
第四章 基于卷積神經(jīng)網(wǎng)絡的細胞核圖像分割算法
    4.1 卷積神經(jīng)網(wǎng)絡的改進及其實現(xiàn)過程
        4.1.1 卷積神經(jīng)網(wǎng)絡的改進
        4.1.2 卷積神經(jīng)網(wǎng)絡的實現(xiàn)方法
    4.2 細胞核分割評估指標
    4.3 細胞核分割結果分析
        4.3.1 數(shù)據(jù)集操作
        4.3.2 軟硬件配置
        4.3.3 分割結果分析
    4.4 本章小結
第五章 基于多橋型卷積神經(jīng)網(wǎng)絡的細胞核圖像分割算法
    5.1 多橋型神經(jīng)網(wǎng)絡的基本架構
    5.2 多橋型神經(jīng)網(wǎng)絡的具體設計思路
        5.2.1 復合型卷積塊的設計
        5.2.2 橋型通道的設計
    5.3 多橋型神經(jīng)網(wǎng)絡的訓練
    5.4 實驗結果分析
    5.5 實驗結果討論
    5.6 本章小結
第六章 總結和展望
    6.1 論文總結
    6.2 研究展望
參考文獻
攻讀碩士學位期間發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]世界癌癥日,好習慣讓癌癥遠離[J]. 左占杰.  養(yǎng)生大世界. 2019(02)
[2]醫(yī)學圖像分割方法[J]. 潘曉航.  電子技術與軟件工程. 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年中國分地區(qū)惡性腫瘤發(fā)病和死亡分析[J]. 陳萬青,孫可欣,鄭榮壽,張思維,曾紅梅,鄒小農(nóng),赫捷.  中國腫瘤. 2018(01)
[5]醫(yī)學圖像分割方法綜述[J]. 黃文博,燕楊,王云吉.  長春師范學院學報. 2013(04)
[6]圖像分割方法綜述[J]. 楊暉,曲秀杰.  電腦開發(fā)與應用. 2005(03)



本文編號：3637594