天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

基于深度學(xué)習(xí)的人類精子頭部圖像分割算法研究

發(fā)布時(shí)間:2024-03-24 20:57
  深度學(xué)習(xí)是近幾年新興很快的一個(gè)領(lǐng)域。從本質(zhì)上來(lái)說(shuō),深度學(xué)習(xí)是一個(gè)滿足于各類特定需求的機(jī)器學(xué)習(xí)算法,對(duì)比在它之前的相關(guān)技術(shù),其在語(yǔ)言和圖像處理等方面所達(dá)到的效果要遠(yuǎn)遠(yuǎn)優(yōu)于前者。在隨著數(shù)據(jù)處理能力強(qiáng)大的高性能計(jì)算機(jī)芯片的不斷更新,其在圖像處理等計(jì)算機(jī)視覺(jué)任務(wù)中更是飛速發(fā)展,并且越來(lái)越多、越來(lái)越廣泛的應(yīng)用于醫(yī)學(xué)影像處理領(lǐng)域。幫助了醫(yī)生對(duì)各類疾病的診斷更快,更準(zhǔn)。隨著社會(huì)發(fā)展人們的壓力越來(lái)越大,各種污染源也與日增多,男性不孕不育癥狀愈發(fā)嚴(yán)重。在臨床實(shí)踐中,精液分析是診斷男性不育并確定最佳治療方法的必要手段。精子的濃度,運(yùn)動(dòng)性,活力和DNA片段化程度是傳統(tǒng)精子圖分析的重要指標(biāo)。此外,精液樣本潛在生育力的另一個(gè)重要指標(biāo)是精子細(xì)胞的形狀。故而精子形態(tài)分析在臨床中診斷男性不孕不育癥中是一個(gè)重要的步驟,而精子頭部形狀是精子形態(tài)分析中的一個(gè)重要參考尺度。因此,準(zhǔn)確高效地分割出人類精子頭部對(duì)精準(zhǔn)而客觀地分析精子形態(tài)至關(guān)重要,對(duì)男性不育的診斷并確定療法是極其重要的一步。然而,前人的大量工作表明,精子頭部的檢測(cè)與分割是一項(xiàng)具有多方面挑戰(zhàn)的任務(wù)。在七十到九十年代之間,致力于精子形態(tài)分析的研究人員均是采用人工的方法...

【文章頁(yè)數(shù)】:88 頁(yè)

【學(xué)位級(jí)別】:碩士

【部分圖文】:

圖1.1經(jīng)染色過(guò)的精子細(xì)胞圖像

圖1.1經(jīng)染色過(guò)的精子細(xì)胞圖像

第一章緒論3所有的分析儀都是采用不同的染色程序?qū)舆M(jìn)行染色,而這導(dǎo)致我們只能處理圖1.1經(jīng)染色過(guò)的精子細(xì)胞圖像Fig1.1Stainedspermcellsimage圖1.2正常的人類精子形態(tài)圖:a)正常的人類精子明場(chǎng)像;b)人工手動(dòng)分割的真實(shí)標(biāo)簽;c)正常的人類精子主要成分示....


圖1.4MHSMA數(shù)據(jù)集中的精子圖像

圖1.4MHSMA數(shù)據(jù)集中的精子圖像

附諦畔ⅲ?倮?醚盜芳??對(duì)他們的網(wǎng)絡(luò)進(jìn)行訓(xùn)練以獲取最佳的網(wǎng)絡(luò)參數(shù),最后在他們的數(shù)據(jù)集上驗(yàn)證了該網(wǎng)絡(luò)的檢測(cè)能力。最終的結(jié)果顯示他們的網(wǎng)絡(luò)在精子形態(tài)異常檢測(cè)方面取得了不錯(cuò)的效果。就我們所知,該算法是在精子形態(tài)分析領(lǐng)域最出色的深度學(xué)習(xí)算法之一。但是上述這兩個(gè)算法雖然都能夠處理無(wú)染色的精....


圖2.4LeNet-5結(jié)構(gòu)示例圖

圖2.4LeNet-5結(jié)構(gòu)示例圖

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文14x1x2x3+1+1+1hw,b(x)第L1層第L2層第L3層第L4層圖2.3含有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示例圖Fig2.3Exampleofasimpleneuralnetworkwithsomehiddenlayers或者英文字母。LeN....


圖2.5正常神經(jīng)網(wǎng)絡(luò)(左)和使用Dropout之后的網(wǎng)絡(luò)(右)

圖2.5正常神經(jīng)網(wǎng)絡(luò)(左)和使用Dropout之后的網(wǎng)絡(luò)(右)

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文20圖2.5正常神經(jīng)網(wǎng)絡(luò)(左)和使用Dropout之后的網(wǎng)絡(luò)(右)Fig2.5Normalneuralnetworkanddropoutoperation2.2.7卷積層與池化層1.卷積層卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNet....



本文編號(hào):3938003

資料下載
論文發(fā)表

本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3938003.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶0a907***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com