皮膚是人體最大的器官。近年來,皮膚癌患者的人數(shù)逐年增加。如果及時發(fā)現(xiàn)并治療,患者幾乎可以完全治愈。目前,在醫(yī)學(xué)領(lǐng)域?qū)ζつw癌的診斷,主要依靠皮膚科醫(yī)生觀察皮膚鏡圖像中病灶的形狀、顏色等特征做出相應(yīng)的診斷。這種方式不僅費(fèi)時費(fèi)力,而且由于皮膚病之間相似性高,即使是訓(xùn)練有素的皮膚科醫(yī)生也很容易誤判。隨著計算機(jī)視覺技術(shù)的巨大進(jìn)步,計算機(jī)輔助醫(yī)生診斷將成為未來發(fā)展的趨勢。目前,計算機(jī)在對皮膚癌圖像進(jìn)行識別時,主要存在以下挑戰(zhàn)。首先,皮膚癌中最為致命的是黑色素瘤。在皮膚鏡圖像中,黑色素瘤與非黑色素瘤有極大的相似性。其次,由于病變區(qū)域與正常皮膚之間對比度較低,導(dǎo)致界限不明顯,容易忽略皮膚的病變。最后皮膚鏡圖片中會有毛發(fā),氣泡,尺子標(biāo)記等模糊或遮擋皮膚病變區(qū)域,使得自動識別任務(wù)變得更加困難。針對以上問題,本文在前人工作的基礎(chǔ)上,提出對皮膚癌識別的優(yōu)化算法。本文的主要貢獻(xiàn)總結(jié)如下:1.本文提出自適應(yīng)注意力網(wǎng)絡(luò)(SANet),解決分步訓(xùn)練網(wǎng)絡(luò)中,分類結(jié)果容易受分割信息影響的問題。自適應(yīng)注意力網(wǎng)絡(luò)使高層特征引導(dǎo)底層網(wǎng)絡(luò)自動關(guān)注于病變區(qū)域,減少模型底層病變信息的丟失。實驗結(jié)果顯示AUC達(dá)到0.8584,準(zhǔn)確率達(dá)...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1傳統(tǒng)圖像處理過程

華南理工大學(xué)碩士學(xué)位論文務(wù)變得更加困難。因此，對皮膚鏡圖像的識別仍然存在較大的挑戰(zhàn)。近年來，人工智能（ArtificialIntelligence，AI）滲透在生活的方方面面，尤其是計算機(jī)視覺改變了生活方式。在計算機(jī)視覺中，卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNe....

圖2-1機(jī)器學(xué)習(xí)模型

第二章深度學(xué)習(xí)與度量學(xué)習(xí)理論基礎(chǔ)第二章深度學(xué)習(xí)與度量學(xué)習(xí)理論基礎(chǔ)機(jī)器學(xué)習(xí)的方法進(jìn)行預(yù)測是指計算機(jī)對已有的數(shù)據(jù)建模，然后根據(jù)預(yù)測值與真實標(biāo)簽之間的誤差，對分類器的參數(shù)進(jìn)行調(diào)整。在遇到未知樣本時，依據(jù)已有的信息提供相應(yīng)的判斷。模型的好壞取決于兩個方面：數(shù)據(jù)提供信息的好壞和模型從數(shù)據(jù)中....

圖2-2M-P神經(jīng)元模型

第二章深度學(xué)習(xí)與度量學(xué)習(xí)理論基礎(chǔ)圖2-2M-P神經(jīng)元模型感知機(jī)能夠較好的解決線性可分問題。但是，現(xiàn)實中數(shù)據(jù)分布往往是非線性分布。由于感知機(jī)的學(xué)習(xí)能力有限，因此多層感知機(jī)（Multi-LayerPerceptron，MLP）被提出，又被稱為多層前饋神經(jīng)網(wǎng)絡(luò)（圖2-3）。每一層的神經(jīng)....

圖2-3多層前饋神經(jīng)網(wǎng)絡(luò)示意圖

第二章深度學(xué)習(xí)與度量學(xué)習(xí)理論基礎(chǔ)圖2-2M-P神經(jīng)元模型感知機(jī)能夠較好的解決線性可分問題。但是，現(xiàn)實中數(shù)據(jù)分布往往是非線性分布。由于感知機(jī)的學(xué)習(xí)能力有限，因此多層感知機(jī)（Multi-LayerPerceptron，MLP）被提出，又被稱為多層前饋神經(jīng)網(wǎng)絡(luò)（圖2-3）。每一層的神經(jīng)....

本文編號：3927143