發(fā)布時間：2020-06-22 22:44

【摘要】：根據世界衛(wèi)生組織報告顯示,全世界因為肺炎而導致兒童死亡的人數相比于其他疾病導致兒童死亡的人數較多,因此肺炎一直被認為是兒童病死的主要原因之一。如果不進行及時的診斷與治療,將會對患者帶來很大的影響,甚至危及患者的生命。通過X線圖像的診斷是判斷患者是否患有肺炎的比較重要的依據之一。然而許多地區(qū)的專業(yè)的放射科醫(yī)生數量卻比較少,通過計算機的肺部X線圖像處理及其識別技術來輔助醫(yī)生診斷便有著比較重要的意義,可以幫助醫(yī)生更快速地進行診斷,從而提高診斷效率,減少延誤診斷的情況發(fā)生。為了解決這一問題,本文對肺部X線圖像進行了研究,并主要進行了以下三方面的工作:肺部X線圖像的數據分析及其預處理,肺部圖像的傳統(tǒng)特征提取及其分類,肺部圖像的基于深度學習的特征提取及其分類。肺部圖像的數據分析及其預處理主要是統(tǒng)計了所有肺部圖片的基本指標,并進行了其直方圖的計算,并根據分析之后的特點對數據進行了數據的預處理,對肺部圖像進行了直方圖均衡化,從而提升了圖像的對比度,從而便于后續(xù)進行圖像的分割操作。在圖像增強工作完成后,本文通過Otsu算法確定了最佳閾值對增強后的圖片進行了閾值分割,從而提取到了只包含肺部區(qū)域的圖片。肺部圖像的傳統(tǒng)特征的提取及其分類則主要是提取了圖像的HOG(Histogram of Oriented Gradient)特征,LBP(Local Binary Pattern)特征以及灰度共生矩陣特征。同時,本文通過多個特征的結合,形成融合特征,并采用了支持向量機和隨機森林進行了特征分類。結果表明通過本文的特征融合的方式相對于單一特征作為分類特征來說效果較好。肺部圖像的基于深度學習的方法的特征提取及其分類則主要是通過利用遷移學習的思路,將在自然圖像中分類效果較好的卷積神經網絡遷移應用到了本文的肺炎識別中。通過加入了特征微調層來達到遷移學習的目的,并比較了三種網絡的分類精度,結果發(fā)現(xiàn)GoogleNet Inceptionv3網絡通過本文的遷移后效果最好,并驗證了遷移后的卷積神經網絡的特征提取效果,同時為了可以更好地對所搭建的深度學習模型進行了可解釋性分析,通過了基于類激活圖的方法和基于遮擋圖的方法對模型進行了可解釋性分析,并對分析結果進行了可視化。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R816.4;TP391.41

【相似文獻】

相關期刊論文 前10條

1 陳輝;;淺議車牌識別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問題[J];南京理工大學學報(自然科學版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類識別方法—CEP-AR特征提取與分類[J];振動與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學學報(自然科學版);1989年03期

5 王仁華;宋原章;;漢語孤立音節(jié)的分段研究[J];信號處理;1989年02期

6 史廣;楊艷;;沙化土地地理信息多維結構特征提取仿真[J];計算機仿真;2019年11期

7 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

8 武弘;;六種常用的網絡流量特征提取工具[J];計算機與網絡;2017年06期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網絡的特征提取方法及其在語種識別中的應用[J];計算機科學;2014年03期

10 唐朝霞;;一種基于特征提取的簡答題閱卷算法[J];湖南工程學院學報(自然科學版);2010年01期

相關會議論文 前10條

1 王紀凱;王鵬;張啟彬;陳宗海;;激光數據特征提取與學習方法[A];第17屆中國系統(tǒng)仿真技術及其應用學術年會論文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱學芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

3 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標的分割與特征提取[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

4 路文煥;曲悅欣;楊亞龍;王建榮;黨建武;;用于無聲語音接口的超聲圖像的混合特征提取[A];第十三屆全國人機語音通訊學術會議(NCMMSC2015)論文集[C];2015年

5 徐繼偉;李建中;柳勃;楊昆;;使用支持向量機和改進特征提取方法的蛋白質分類[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

6 劉德剛;邵國凡;;高維遙感數據分析的特征提取方法[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

7 姜成柱;劉志成;何其芳;卞榮;席聞;;基于信號分解與稀疏恢復的空間群目標微動特征提取[A];第八屆中國航空學會青年科技論壇論文集[C];2018年

8 許強;楊佳;;基于線性加權的免疫克隆算法的手指靜脈特征提取[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

9 高學;金連文;尹俊勛;;基于筆劃密度的彈性網格特征提取方法[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

10 徐萍;武其松;羅昕煒;陶俊;;基于畸變拖曳陣的高保真特征提取方法[A];中國聲學學會水聲學分會2019年學術會議論文集[C];2019年

相關重要報紙文章 前3條

1 宇航智控;預測與健康管理(PHM)技術[N];中國航空報;2018年

2 記者 賈玎玎;北京紡控主營業(yè)務收入增長11.39%[N];首都建設報;2015年

3 中國信息通信研究院泰爾終端實驗室 曾晨曦 段虎才;深度學習框架的前世今生[N];人民郵電;2018年

相關博士學位論文 前10條

1 王曉輝;汽車模具表面缺陷特征提取關鍵技術研究[D];南昌大學;2019年

2 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場景分類的特征提取與選擇研究[D];哈爾濱工業(yè)大學;2018年

3 宋洪超;基于微波的乳腺癌檢測算法研究[D];北京郵電大學;2018年

4 溫柳英;多模態(tài)數據特征提取的粒計算方法研究與應用[D];西南石油大學;2017年

5 李文娟;基于局部特征提取的人臉識別方法研究[D];天津大學;2017年

6 王振宇;面向人臉識別的特征提取技術應用研究[D];東南大學;2016年

7 馬麗紅;復雜背景下人臉的定位和特征提取[D];華南理工大學;1999年

8 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學;2006年

9 張紹武;基于支持向量機的蛋白質分類研究[D];西北工業(yè)大學;2004年

10 李建生;圖像元數據特征提取及其在檢索中的應用[D];南京師范大學;2006年

相關碩士學位論文 前10條

1 孫月如;面向人臉圖片的特征提取與分類算法研究[D];重慶郵電大學;2019年

2 白冰;噪聲背景下聲音事件的特征提取及識別[D];湘潭大學;2019年

3 李曉峰;航空遙感光電圖像預處理與目標特征提取技術研究[D];哈爾濱工業(yè)大學;2019年

4 李凈霖;基于計算機視覺的同步定位與三維建圖方法研究[D];哈爾濱工業(yè)大學;2019年

5 劉召婕;基于感興趣區(qū)域的舌象特征提取與病理分析[D];哈爾濱工業(yè)大學;2018年

6 張勝峰;極化特征在真假彈頭識別中的應用[D];中國電子科技集團公司電子科學研究院;2019年

7 丁李;湘西方塊苗文圖像的特征提取與識別研究[D];吉首大學;2019年

8 邱勇輝;網絡銀行異常交易檢測技術與應用研究[D];中國科學院大學(中國科學院深圳先進技術研究院);2019年

9 何慶祥;哈希特征提取和深度自編碼表征在反恐中的應用[D];廣東工業(yè)大學;2019年

10 諸葛文章;基于圖學習的高維數據特征提取及聚類方法研究[D];國防科技大學;2017年

本文編號：2726361