目前,乳腺癌已經(jīng)成為女性健康的最大威脅之一,早診斷、早治療是治愈乳腺癌的關鍵。超聲圖像是乳腺癌早期輔助診斷的有效手段。然而,基于超聲圖像的乳腺癌自動分類任務仍然面臨兩個主要的挑戰(zhàn):(1)光照、成像設備參數(shù)等因素將會導致乳腺腫瘤圖像存在較大的類內(nèi)差異性,容易導致分類錯誤。(2)實際操作中,標注大量的乳腺超聲腫瘤圖像是很困難的。這使得研究工作只能在尺寸較小的標注樣本集上開展,從而容易帶來模型過擬合問題。針對上述問題,本文重點進行了小樣本條件下乳腺腫瘤圖像的魯棒分類關鍵技術研究工作。主要內(nèi)容如下:本文研究了一種新的局部參考相似性編碼(Local Reference Similarity Code Network,LRSCnet)網(wǎng)絡。首先引入基于類別的距離損失函數(shù),構建新的局部結(jié)構提取器,用于學習包含類別信息的局部參考。其次,提出了一種層次編碼器,包含相似性學習模塊和局部—全局轉(zhuǎn)換模塊。在第一階段,相似性學習模塊通過引入神經(jīng)網(wǎng)絡來學習局部圖像塊與局部參考之間的局部關系。在第二階段,局部—全局轉(zhuǎn)換模塊將局部關系描述進一步轉(zhuǎn)換為局部參考相似性編碼,可用于描述圖像與局部參考的全局關系。最后,構建了...

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

圖２－１卷積運算過程??

?山東大學碩士學位論文???第２章相關方法概述??２．１卷積神經(jīng)網(wǎng)絡??近年來，深度學習在圖像識別［６８，?６９，?８１，８２，?８３］、自然語言處理［８４，??８５，?８６，?８７，?８８，?８９］、語音識別［９０，?９１，９２，?９３］等多個領域取得了較大的突??破。相比于普....

圖２－２卷積神經(jīng)網(wǎng)絡最大池化過程??

?山東大學碩士學位論文???積核的大�。┥线M行特征的提齲如圖２－１所示，給定輸入矩陣Ｉ和卷積核Ｋ，??得到卷積輸出。將３Ｘ３的卷積核核Ｋ與輸入矩陣逐元素地相乘以得到輸出卷??積矩陣中的一個元素。所有其他元素都是通過在Ｉ上滑動窗口獲得的。一個卷??積層可以有若干個卷積核，卷積核的通....

圖２－３孿生網(wǎng)絡的結(jié)構??－

?山東大學碩士學位論文???Ｅｗ??Ｄｉｓｔ？ｉｎｃｃ（Ｃ＾（Ａｒｊ）ｌ?＾＾（＾２））???１?Ｉ??Ｗ???｜＾＾ｎ｜ｊ?？??Ｎｅｔｗｏｒｋ」?Ｎｅｔｗｏｒｋ—２??＾?Ａ??圖２－３孿生網(wǎng)絡的結(jié)構??圖２－３給出了孿生網(wǎng)絡的結(jié)構。圖中Ｎｅｔｗｏｒｋ＿ｌ和Ｎｅｔｗｏｒｋ＿２....

圖２－４孿生網(wǎng)絡用于手寫字體的分類??圖２－４給出了一個用孿生網(wǎng)絡進行手寫體識別的例子

?山東大學碩士學位論文???５．輸出樣本對中的第一幅圖像特征向量與樣本對中的第二幅圖像特征向量，??根據(jù)損失函數(shù)計算出輸出樣本對的誤差。??６．根據(jù)鏈式求導法則依次從后向前算出中間各層權值需要的調(diào)整量和閾值??的調(diào)整量。??７．根據(jù)上一步的計算結(jié)果，調(diào)整權值和閾值。??８．查看ｌ....

本文編號：3891487