慢性萎縮性胃炎是一種常見的胃病,如果得不到及時治療,有可能發(fā)展成胃癌。然而,胃鏡檢查在萎縮性胃炎檢查中的敏感性僅為約42%,且活檢受許多因素的影響。因此,使用卷積神經(jīng)網(wǎng)絡(luò)有助于提高診斷慢性萎縮性胃炎的準(zhǔn)確性。首先采用INPAINT_TELEA算法對胃竇圖像進行預(yù)處理,去除圖像中的水印,對殘差網(wǎng)絡(luò)進行改進并嵌入Squeeze_and_Excitaion模塊以篩查慢性萎縮性胃炎,改進后的網(wǎng)絡(luò)(SR-CAGnet)通過建立短路機制以及采用特征重標(biāo)定策略提高圖像的分類效果。結(jié)果表明:與Alexnet和改進的ResNet網(wǎng)絡(luò)進行對比,SR-CAGnet對慢性萎縮性胃炎的檢出率為87.92%,算法識別效果良好。通過使用Apriori算法并分析,得到萎縮性胃炎與胃鏡檢查下其他癥狀的關(guān)系,以輔助醫(yī)生的診斷。最后使用CAM熱圖驗證模型的有效性。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖片b：處理中使用的模板圖c：去除水印后的圖片圖1INPAINTTELEA算法去除水印的過程Fig.1ProcessofINPAINTTELEAalgorithmtoremovewatermarksa：處理前的

和寬度相同，大小為512×512，圖像格式為bmp。由于每個圖像中都有水印，有些水印會與目標(biāo)區(qū)域重疊，這會干擾所要研究的目標(biāo)。第一步是使用INPAINT_TELEA方法對圖像進行預(yù)處理，以去除圖像中的水印噪聲。INPAINT_TELEA算法用于處理胃鏡圖像某些區(qū)域中的水印，例如年....

結(jié)果如表30.20.00.00.20.40.60.81.0假陽性率AUC=0.895圖5SR-CAGnet的ROC曲線Fig.5ReceiveroperatingcharacteristiccurveofSR-CAGnet在本實驗的Apriori算法中，設(shè)定最小置信度為

，5組模型測試集的準(zhǔn)確度約為87.9%，稍有變化，但變化幅度小，五折交叉驗證的結(jié)果表明該模型具有較好的魯棒性。為了評價SR-CAGnet，計算了敏感性和特異性，分別為88.2%和85.6%。此外，使用ROC曲線和AUC值來研究改進后模型的可靠性和泛化能力。本實驗中的靈敏性和特異性....

圖5.1功能框圖

本章設(shè)計實現(xiàn)的基于深度學(xué)習(xí)的慢性萎縮性胃炎的智能診斷系統(tǒng)主要由兩部分組成,一是基于深度學(xué)習(xí)的慢性萎縮性胃炎的病變識別及萎縮等級識別的模型的訓(xùn)練,二是界面的設(shè)計與展示的實現(xiàn)。通過將Python程序及其依賴項打包為一個獨立的可執(zhí)行文件,用戶直接雙擊運行,無需再安裝Python環(huán)境和第....

本文編號：3920204