口腔白斑(OLK)是一種癌前病變,由于其與口腔內(nèi)健康組織有視覺相似性,導致難以準確區(qū)分。目前對OLK的診斷主要來自專業(yè)醫(yī)生的經(jīng)驗,但這種方式效率低,診斷受主觀影響大。本文希望通過口腔白斑的自動化分割為醫(yī)生的診斷提供輔助指導,方便診斷措施的定制,也使患者能夠及時發(fā)現(xiàn)癥狀,避免病情惡化。此外,口腔圖像數(shù)據(jù)集的標注需要專業(yè)醫(yī)生,耗費成本高,很大程度上會阻礙研究的進展,而且口腔白斑數(shù)據(jù)集相對較小,采用目前的弱監(jiān)督分割方案效果很差。為此,本文針對現(xiàn)有方案的不足,并依據(jù)對口腔醫(yī)學數(shù)據(jù)集的觀察與分析,展開以下研究內(nèi)容:1.基于全監(jiān)督學習設計基礎分割方法。針對傳統(tǒng)Mask R-CNN方法存在誤分割和漏分割問題,本文分析這是由于網(wǎng)絡的特征提取能力不足,學習到了圖像上的無效和錯誤信息,而注意力機制可以幫助網(wǎng)絡增強有效信息的提取,抑制無效和錯誤信息的提取。因此,本文提出一種基于具有注意力機制的Mask R-CNN口腔白斑分割方法,將卷積塊狀注意力模塊中的空間注意力模塊引入Mask R-CNN,使得網(wǎng)絡具備對空間上的不同區(qū)域重要程度的判斷,減少了非白斑區(qū)域對網(wǎng)絡訓練的影響。此外針對口腔醫(yī)學數(shù)據(jù)集較小訓練效果不...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 組織結構
第二章 相關工作
    2.1 遷移學習
    2.2 注意力機制
    2.3 類激活圖
    2.4 注意力標簽引導的弱監(jiān)督分割方法
    2.5 標注處理與實驗評估
    2.6 本章小結
第三章 基于具有空間注意力機制的Mask R-CNN的口腔白斑分割方法
    3.1 口腔白斑分割任務的目標
    3.2 口腔白斑分割面臨的挑戰(zhàn)
    3.3 口腔白斑分割
        3.3.1 融合空間注意力的Mask R-CNN-S
        3.3.2 遷移學習
    3.4 實驗與分析
        3.4.1 實驗計劃
        3.4.2 實驗結果
    3.5 本章小結
第四章 基于弱監(jiān)督學習的口腔白斑分割方法
    4.1 口腔白斑弱監(jiān)督圖像分割面臨的挑戰(zhàn)
    4.2 基于弱監(jiān)督學習的口腔白斑分割
        4.2.1 一種像素級粗分割標簽生成策略
        4.2.2 基于具有注意力機制的Mask R-CNN的定位分割協(xié)同優(yōu)化機制
    4.3 實驗與分析
        4.3.1 實驗計劃
        4.3.2 實驗結果
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間取得的科研成果
致謝
作者簡介



本文編號：3820675