基于生成對抗網(wǎng)絡的胸部X線影像分類研究與應用

發(fā)布時間：2020-08-31 21:22

　　當今社會個人生活水平不斷提高,人們越來越關注自身的健康。在體檢時,胸部X線影像分析結(jié)果需要等待很長時間,人們希望影像的處理速度在現(xiàn)有的基礎上進一步提高。而且,在醫(yī)療圖像中胸部X線占據(jù)重要位置,其數(shù)量經(jīng)常在醫(yī)療機構(gòu)中產(chǎn)生大量的積壓,人們急切地需要利用自動化來加速處理胸部X線影像。人工智能系統(tǒng)被應用于高精度胸部X線影像處理中,這使得醫(yī)院放射科醫(yī)務人員的工作量得到大量減少,讓醫(yī)務人員可以在相同的時間內(nèi)醫(yī)治更多的病人。利用生成對抗網(wǎng)絡訓練出來的分類器對胸部X線影像進行分類比傳統(tǒng)的方法更好。對于胸部X線影像分類研究,當前不存在一種方法可以達到百分之百的準確率。為此,本文提出使用一種基于生成對抗網(wǎng)絡的新模型來替代深度卷積神經(jīng)網(wǎng)絡(DCNN)進行分類研究。本文構(gòu)建了對胸部X線影像分類的基于領域自適應的生成對抗網(wǎng)絡(DM-GAN)模型,通過訓練模型產(chǎn)生性能優(yōu)異的分類器。同時,在漸進增長生成器和判別器的網(wǎng)絡層中,使用一系列分辨率由低到高的影像進行訓練,在訓練過程中我們添加新的卷積層,使得模型的細節(jié)越來越好。這樣訓練的效果得到提升,生成器可以生成優(yōu)秀的胸部X光圖像,判別器的分類準確度也可以得到提高。在模型訓練中,胸部X線影像數(shù)據(jù)集分布存在著不平衡的問題,表示健康的正常醫(yī)療圖像數(shù)據(jù)規(guī)模非常大,而氣胸、肺水腫等影像數(shù)據(jù)規(guī)模很小。本文通過向數(shù)據(jù)集中添加人工合成的醫(yī)學影像更好地解決了這一限制性問題。采用真實和人工圖像的組合訓練數(shù)據(jù)集并用新的訓練方法來訓練DM-GAN模型,不僅平衡數(shù)據(jù)集并改善某些種類醫(yī)療圖像數(shù)據(jù)的匱乏狀況,又能通過更加快速穩(wěn)定地訓練來提高生成的圖片質(zhì)量使得判別器更容易進行區(qū)分。本文主要內(nèi)容如下:首先,介紹本文課題的研究前景,同時介紹與胸部X光分類相關的技術。敘述了什么是生成對抗網(wǎng)絡,生成對抗網(wǎng)絡的結(jié)構(gòu)和特點。說明了基于生成對抗網(wǎng)絡的深度卷積生成對抗網(wǎng)絡(DCGAN)在胸部X光圖像中的應用過程,以及在處理該問題上面的優(yōu)點。其次,本文提出對于胸部X光醫(yī)療圖像分類的基于領域自適應的生成對抗網(wǎng)絡(DM-GAN),介紹了DM-GAN的模型結(jié)構(gòu),并詳細敘述了生成模型和判別模型的模型結(jié)構(gòu),說明了訓練的過程。最后,進行對比試驗。通過訓練DM-GAN產(chǎn)生的分類器效果與由訓練DCGAN產(chǎn)生的分類器各自在胸部X光圖像分類中的效果進行比較。通過比較,直接展現(xiàn)出DM-GAN在胸部X光應用中具有十分重要的意義,降低了醫(yī)務工作人員的工作量,減少了人們的等待時間,尤其對于病人而言,進一步降低了病痛對他們的傷害。
【學位單位】：吉林大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R816.4;TP391.41;TP183
【部分圖文】：

結(jié)構(gòu)示意圖,潛在變量,模型