【摘要】：無(wú)線膠囊內(nèi)窺鏡(WCE)是一種具有重要臨床價(jià)值的革命性技術(shù),以其直觀、簡(jiǎn)便、安全、無(wú)創(chuàng)、無(wú)痛、消化道全覆蓋等特性成為腸胃道特別是小腸病變檢測(cè)最具吸引力的醫(yī)療手段。但是WCE產(chǎn)生的巨大數(shù)量的圖像數(shù)據(jù)給醫(yī)生們檢查、定位和診斷病變圖像帶來(lái)了沉重的負(fù)擔(dān)。因此,本文對(duì)WCE影像的研究主要集中在WCE影像自動(dòng)分段和病變圖像自動(dòng)檢測(cè)兩個(gè)方面。本文提出一種有效的方法幫助臨床醫(yī)生根據(jù)胃、小腸和大腸區(qū)域自動(dòng)對(duì)WCE影像進(jìn)行分段。因?yàn)樵赪CE視頻幀中有許多可能的干擾因子,如氣泡、食物殘?jiān)?為了提取有效的特征,本文提出色彩顯著性區(qū)域檢測(cè)方法(CSD)來(lái)分割圖像幀中潛在的有效區(qū)域(VROF)。為了提高器官邊界定位的性能,我們?cè)O(shè)計(jì)出監(jiān)視-判別模型。并且設(shè)計(jì)了兩種描述WCE圖像的新特征:一種是基于視覺(jué)感知的色彩-紋理融合特征(CTVP),由HS直方圖和灰度共生矩陣(GLCM)特征構(gòu)建而成;另一種是局部二值模式的色彩模型化特征(CCLBP),其中包括兩種模式:灰度模式和色彩角模式。此外,還利用支持向量機(jī)(SVM)分類器來(lái)定位精確的器官邊界。從來(lái)自中國(guó)、中東和歐洲的大量真實(shí)WCE影像中得到的實(shí)驗(yàn)結(jié)果表明,該方法提高了器官邊界定位的準(zhǔn)確性和效率。在WCE影像分段技術(shù)的基礎(chǔ)上,兩種策略被設(shè)計(jì)出來(lái)自動(dòng)檢測(cè)小腸的隆起性病變,即基于局部特征的詞袋方法(BOLF)和基于遷移學(xué)習(xí)的深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)。一方面,我們提出了一種改進(jìn)的BOLF方法,用于檢測(cè)WCE圖像中的隆起性病變圖像。相較于傳統(tǒng)的BOF方法,我們提取了不同的紋理特征(如CCLBP),而不是利用尺度不變的特征變換(SIFT)這種局部特征描述子。具體來(lái)說(shuō),我們研究了不同關(guān)鍵點(diǎn)計(jì)算方法,不同的局部紋理特征,斑塊大小和不同的視覺(jué)詞匯數(shù)量對(duì)分類性能的影響。另一方面,我們也考慮使用深度卷積神經(jīng)網(wǎng)絡(luò)(CNN),通過(guò)遷移學(xué)習(xí)來(lái)檢測(cè)小腸的隆起性病灶圖像。基于CNN的方法需要大量的數(shù)據(jù)來(lái)進(jìn)行復(fù)雜的端到端分類過(guò)程。然而事實(shí)上,我們很難收集許多病變圖像。為了克服這一問(wèn)題,可以將預(yù)先訓(xùn)練的CNN通過(guò)明確優(yōu)化后應(yīng)用到這個(gè)領(lǐng)域。這樣一個(gè)預(yù)先訓(xùn)練過(guò)的CNN主要是用于普遍的圖像分類任務(wù),在那里有足夠的訓(xùn)練數(shù)據(jù)。我們從實(shí)驗(yàn)上顯示,在使用當(dāng)前的CNN優(yōu)秀架構(gòu)(InceptionV3)時(shí),微調(diào)后的CNN特征相較于傳統(tǒng)的人工設(shè)計(jì)的特征在檢測(cè)隆起性病變圖像上獲得更好的性能。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;R574.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳慧敏;戈之錚;;膠囊內(nèi)鏡和雙氣囊內(nèi)鏡對(duì)小腸克羅恩病診斷價(jià)值的比較[J];胃腸病學(xué);2009年06期

2 郭桂華;尹淑新;周新穎;唐立偉;趙俠;;膠囊內(nèi)鏡在消化道疾病中的應(yīng)用[J];山東醫(yī)藥;2009年21期

3 余劍平;袁珂;王丕龍;;膠囊內(nèi)鏡對(duì)消化道疾病的診斷進(jìn)展[J];四川醫(yī)學(xué);2006年02期

4 陳佳敏;蔡建庭;杜勤;陳妙研;邵黎明;;膠囊內(nèi)鏡診斷小腸間質(zhì)瘤二例及文獻(xiàn)復(fù)習(xí)[J];中華消化雜志;2008年05期

5 任明;元?jiǎng)?朱森林;曾志榮;陳白莉;陳e，

本文編號(hào)：2627460