深度学习在胎盘超声图像及皮肤镜图像识别中的研究

论文摘要

目前,临床医生对许多疾病的诊断都依赖于对医学图像的观察分析。然而,由于医学仪器本身成像质量的局限性以及临床医生在观察分析时的主观误差,会导致误诊或漏诊的现象发生。为了解决这个问题,基于计算机辅助诊断的图像自动分析方法一直备受瞩目。近年来,深度学习方法因其强大的特征自学能力,被不断引入到医学图像领域的各种应用中,如疾病分类、预测、病灶分割等,且都获得了较大成功。相比于传统的机器学习方法,深度学习方法能够免去特征工程的繁杂,通过卷积等操作高效地识别出目标特征进而完成特定任务。然而,其在医学图像领域的应用仍面临许多困难。医学图像的数据量往往较小,这会使得模型训练不充分,导致模型性能较差;成像仪器由于硬件或者参数的不同成像结果差异较大,有些仪器成像质量较差,这些因素进一步加大了模型优化的难度,且对模型的泛化能力要求较高。针对上述问题,本文基于胎盘超声图像和皮肤镜图像来探索深度学习方法在医学图像领域的应用。主要研究成果包括基于混合描述符的胎盘成熟度自动分级、基于卷积描述符聚合策略的黑色素瘤自动识别以及基于双判别强化生成对抗网络的皮肤损伤区域自动分割。在胎盘成熟度分级的研究中,本文主要提出了一种混合模型,将多个卷积神经网络中的卷积特征与手工特征融合,然后进行Fisher向量编码,从而实现自动分级。此模型兼顾了手工特征富含的局部信息以及卷积特征所包含的深度信息,两者互补,从而更好地表达图像。为了解决数据量不足的问题,本文通过数据增强来扩充训练集,并采用了迁移学习策略,防止出现过拟合。大量的实验结果证实了本文方法的有效性。对于皮肤镜黑色素瘤的识别,提出了一种多网络混合编码框架。该框架提取了多个不同类型的卷积神经网络的深层特征,这些特征在信息上具有一定的互补性。接着使用卷积描述符聚合方法对每个网络的卷积特征进一步选择并融合,从而获得信息丰富且冗余较少的特征表达,在保证特征有效的同时减少计算负担。然后,再用Fisher向量对混合特征进行编码。此模型在ISBI 2016和ISBI 2017数据集上进行了验证,并取得了较好的结果。此外,本文还提出一种基于双判别生成对抗网络的皮肤损伤区域分割方法。通过在生成器中加入稠密空洞卷积模块以获取更多的细粒度信息并扩大感受野。在判别模块中使用两个判别器共同约束生成器的输出,从而实现皮肤损伤区域的精确分割。相较于其他分割网络,本文推荐的网络能够学习到更多图像细节,有更强的监督效果。此模型在ISIC 2017的数据集上进行了验证,获得了更好的结果。

论文目录

文章来源

类型: 硕士论文

作者: 姜峰

导师: 雷柏英

关键词: 胎盘成熟度分级,黑色素瘤的识别,皮肤损伤区域分割,卷积神经网络,生成对抗网络

来源: 深圳大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,计算机软件及计算机应用,自动化技术

单位: 深圳大学

分类号: R318;TP391.41;TP18

总页数: 67

文件大小: 6855K

下载量: 15

相关论文文献

• [1].用于乳腺肿瘤分级诊断超声图像增强的算法[J]. 生物医学工程研究 2020(01)
• [2].甲状腺腺瘤与结节性甲状腺肿超声图像特征的对比分析[J]. 临床医药实践 2020(09)
• [3].一种基于深度学习的颈动脉斑块超声图像识别方法[J]. 中国医疗器械信息 2017(09)
• [4].135例颈部淋巴结结核的超声图像特征与病理学表现[J]. 临床医药文献电子杂志 2017(50)
• [5].超声图像综合分析对于甲状腺微小乳头状癌诊断的意义[J]. 中国农村卫生 2016(10)
• [6].乳腺浸润性导管癌超声图像特征与分子亚型的关系[J]. 中国癌症杂志 2016(03)
• [7].超声图像大规模乘性噪声干扰的过滤算法仿真[J]. 科技通报 2015(06)
• [8].甲状腺癌诊断和鉴别诊断中超声的应用价值研究[J]. 健康之路 2016(10)
• [9].看心脏彩超如何确诊心脏疾病[J]. 家庭医药.就医选药 2016(10)
• [10].桥本甲状腺炎超声图像与临床进程的相关性研究[J]. 中国超声医学杂志 2019(12)
• [11].不同月经周期乳腺增生的超声图像研究[J]. 影像研究与医学应用 2020(13)
• [12].5G远程超声及其应用前景[J]. 中华医学超声杂志(电子版) 2019(04)
• [13].卵巢类固醇细胞瘤的超声图像特征及鉴别诊断[J]. 四川大学学报(医学版) 2017(01)
• [14].急性阑尾炎的超声图像特征分析[J]. 中国临床新医学 2013(01)
• [15].改进型脉冲耦合神经网络检测乳腺肿瘤超声图像感兴趣区域[J]. 光学精密工程 2011(06)
• [16].超声图像斑点噪声限制的非线性各向异性扩散[J]. 复旦学报(自然科学版) 2008(01)
• [17].86例异位妊娠患者超声图像特点的回顾性分析[J]. 中国继续医学教育 2017(02)
• [18].分析急性阑尾炎不同病理类型的超声图像特征[J]. 生物技术世界 2016(01)
• [19].基于线性判别分析与超声图像特征的组织损伤检测方法[J]. 中国医学影像技术 2016(11)
• [20].基于三角网格模型的心脏超声图像三维表面重建[J]. 福建电脑 2014(11)
• [21].乳腺肿瘤超声图像特征参数量化研究进展[J]. 北京生物医学工程 2011(06)
• [22].附睾精子肉芽肿的超声图像及病理特点分析[J]. 中国性科学 2015(07)
• [23].超声图像定量诊断肾小球肾炎的临床分析[J]. 当代医学 2012(24)
• [24].乳腺肿瘤超声图像中感兴趣区域的自动检测[J]. 中国生物医学工程学报 2010(02)
• [25].恶性淋巴瘤超声图像特征分析[J]. 中国中医药现代远程教育 2008(10)
• [26].用超声图结合肌电图评估肌肉疲劳的方法研究[J]. 北京体育大学学报 2008(02)
• [27].急性阑尾炎临床分型与超声图像特征的临床研究[J]. 西部医学 2008(04)
• [28].13例子宫内膜间质肉瘤超声图像特征及误诊原因分析[J]. 安徽医药 2018(11)
• [29].结节性筋膜炎超声图像特征诊断与研究[J]. 智慧健康 2017(06)
• [30].子宫内膜癌阴道B超超声图像特征[J]. 中国民族民间医药 2015(22)

标签：胎盘成熟度分级论文;  黑色素瘤的识别论文;  皮肤损伤区域分割论文;  卷积神经网络论文;  生成对抗网络论文;