【摘要】：中國放射科醫(yī)學(xué)影像增速達(dá)30%,放射科醫(yī)生增速為4.1%,放射科影像數(shù)據(jù)的增長速率遠(yuǎn)遠(yuǎn)高于放射科醫(yī)生的增長速率,目前最主要的X光片審閱依靠人工審閱的方式,放射科醫(yī)生每天需要面臨很大的壓力,誤診和漏診率也會增加。同時,因為個體差異,不同放射科醫(yī)生對X光片審閱結(jié)果也存在差異�？蒲嗅t(yī)療機(jī)構(gòu)希望能利用大數(shù)據(jù)與人工智能的相關(guān)技術(shù)來輔助放射科醫(yī)生進(jìn)行醫(yī)學(xué)圖像識別,提高醫(yī)學(xué)影像數(shù)據(jù)識別的準(zhǔn)確率,減輕放射科醫(yī)生的壓力,以達(dá)到疾病早發(fā)現(xiàn)、早治療的目的。本課題在云平臺下利用大數(shù)據(jù)技術(shù)對肺部X光影像數(shù)據(jù)進(jìn)行分布式存儲,利用深度學(xué)習(xí)技術(shù)從大量的肺部X光圖像中進(jìn)行自動地特征提取。對比了AlexNet、MobileNets、VGG16神經(jīng)網(wǎng)絡(luò)模型對肺部X光圖像識別的準(zhǔn)確率,選取分析效果較好的VGG16網(wǎng)絡(luò)模型進(jìn)行兩次算法的改進(jìn),分別將改進(jìn)后的算法命名為VGG-X和VGG-X1,VGG-X網(wǎng)絡(luò)模型將VGG16網(wǎng)絡(luò)中的標(biāo)準(zhǔn)卷積替換為了深度可分離卷積,VGG-X1網(wǎng)絡(luò)模型則是在VGG-X網(wǎng)絡(luò)的池化層之后加入了BN層。將改進(jìn)后的網(wǎng)絡(luò)模型用于對實變、肺水腫、積液、肺氣腫、纖維化、疝、滲透、腫塊、肺炎、正常10個類別進(jìn)行識別。經(jīng)過實驗測試,改進(jìn)后的神經(jīng)網(wǎng)絡(luò)模型在對常見肺部癥狀進(jìn)行識別時達(dá)到了85%以上的平均準(zhǔn)確率,相較于VGG16,提升了對常見肺部癥狀識別的準(zhǔn)確率,而且改進(jìn)后的網(wǎng)絡(luò)模型的參數(shù)量低于VGG16,縮短了需要花費的時間。此外,利用大數(shù)據(jù)技術(shù)對肺部X光圖像數(shù)據(jù)進(jìn)行存儲,提高了整個識別系統(tǒng)的可擴(kuò)展性,保證了數(shù)據(jù)存儲的安全性。
【圖文】：

貴州大學(xué)碩士研究生學(xué)位論文Ceph Monitor 為 Ceph 集群的監(jiān)聽器，主要負(fù)責(zé)維護(hù)整個 Ceph 集群狀態(tài)以及集群中的 Map 圖，OSD 通過 Monistor 獲取最新 Map 圖，然據(jù)的存儲位置，實現(xiàn)數(shù)據(jù)的存儲。CephMDS主要為文件系統(tǒng)存儲提供文件系統(tǒng)服務(wù)的元數(shù)據(jù)。eph 的系統(tǒng)架構(gòu)總共分為四層，從下往上分別為：最底層的基礎(chǔ)存儲OS)，基礎(chǔ)庫層(Librados)，高級應(yīng)用接口層以及應(yīng)用層，其系統(tǒng)架構(gòu)示。

貴州大學(xué)碩士研究生學(xué)位論文只提供對象存儲服務(wù)，不支持塊存儲以及文件存儲的服務(wù)。Swift 并不是實時的數(shù)據(jù)存儲系統(tǒng)，在對數(shù)據(jù)進(jìn)行更新以后將會產(chǎn)生對象的新版本，，所以一般不會頻繁對大的數(shù)據(jù)對象進(jìn)行更新，所存儲的數(shù)據(jù)對象一般也為虛擬鏡像、圖書、備份存檔、壓縮日志文件存檔等靜態(tài)數(shù)據(jù)或者更新頻率低的數(shù)據(jù)，為這些數(shù)據(jù)提供長期或者永久性的存儲。Swift 從架構(gòu)上可以分為訪問層(AccessTier)、存儲層(CapacityTier)兩層結(jié)構(gòu)訪問層由代理服務(wù)(ProxyNode)以及認(rèn)證服務(wù)(Authentication)兩部分組成。存儲層由對象服務(wù)(ObjectServer)、容器服務(wù)(ContainerServer)、賬戶服務(wù)(AccountServe以及一致性服務(wù)(Consistency Servers)四部分組成。Swift 總體架構(gòu)如圖 2.3 所示
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R816.4;TP311.13;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張建明;詹智財;成科揚;詹永照;;深度學(xué)習(xí)的研究與發(fā)展[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2015年02期

2 洪漢舒;孫知信;;基于云計算的大數(shù)據(jù)存儲安全的研究[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2014年04期

3 劉智慧;張泉靈;;大數(shù)據(jù)技術(shù)研究綜述[J];浙江大學(xué)學(xué)報(工學(xué)版);2014年06期

4 葛江浩;劉磊;李小勇;;OpenStack Swift關(guān)鍵技術(shù)分析與性能評測[J];微型電腦應(yīng)用;2013年11期

5 孫志軍;薛磊;許陽明;王正;;深度學(xué)習(xí)研究綜述[J];計算機(jī)應(yīng)用研究;2012年08期

6 孔祥民;;醫(yī)學(xué)影像檢查在胸部疾病診斷中的應(yīng)用[J];中國實用醫(yī)藥;2010年11期

7 王森;楊克儉;;基于雙線性插值的圖像縮放算法的研究與實現(xiàn)[J];自動化技術(shù)與應(yīng)用;2008年07期

8 王媛媛;丁毅;孫媛媛;趙志丹;;數(shù)據(jù)可視化技術(shù)的實現(xiàn)方法研究[J];現(xiàn)代電子技術(shù);2007年04期

9 劉勘,周曉崢,周洞汝;數(shù)據(jù)可視化的研究與發(fā)展[J];計算機(jī)工程;2002年08期

10 陳建軍,于志強(qiáng),朱昀;數(shù)據(jù)可視化技術(shù)及其應(yīng)用[J];紅外與激光工程;2001年05期

本文編號：2680445