基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸病變圖像分類方法研究
發(fā)布時間:2020-12-25 20:04
宮頸癌不僅在女性生殖器官腫瘤中占首位,而且是女性各種惡性腫瘤中最常見的。通過早期的宮頸篩查工作,可以有效地降低女性患宮頸癌的風(fēng)險,同時可以有針對性的對早期的宮頸病變進行觀察和診斷。醋酸實驗是早期宮頸癌主要的篩查方法,臨床醫(yī)生需要通過肉眼來觀察醋酸實驗的結(jié)果。由于人工陰道鏡局部醋酸實驗存在較多的干擾因素,主要表現(xiàn)為專業(yè)醫(yī)生主觀診斷性過強、資質(zhì)及水平不同、診斷過于復(fù)雜以及容易導(dǎo)致漏判誤判等。在上述研究背景下,實現(xiàn)智能化宮頸病變圖像篩查系統(tǒng)具有重要意義。近年來,隨著宮頸篩查技術(shù)的發(fā)展,積累了大量的宮頸病變圖像數(shù)據(jù),為宮頸病變醫(yī)學(xué)圖像的研究提供了豐富的數(shù)據(jù)源。目前,深度學(xué)習(xí)技術(shù)已經(jīng)成功應(yīng)用于醫(yī)療輔助診斷領(lǐng)域,通過深度學(xué)習(xí)技術(shù)對宮頸病變圖像進行預(yù)測將會有效地提高診斷的準確率。本文首先使用卷積神經(jīng)網(wǎng)絡(luò)對宮頸病變圖像進行分類預(yù)測,結(jié)合Inception和ResNet的優(yōu)點提出一種改進的模型Inception-ResNet,并利用遷移學(xué)習(xí)來對模型進行訓(xùn)練,然后對比了幾種常見的卷積神經(jīng)網(wǎng)格模型的效果。針對卷積神經(jīng)網(wǎng)絡(luò)的不足,本文又引入了膠囊神經(jīng)網(wǎng)絡(luò),在融合卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了CNN-CapsNe...
【文章來源】:華僑大學(xué)福建省
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
前向反饋神經(jīng)網(wǎng)絡(luò)(多層感知器)
在公式2.6中,f(?)是原始圖片或者特征圖,g(?)作為卷積核。圖2.2展示了卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作過程,卷積核函數(shù)為。對于圖2.2中左邊7×7的圖像,使用3×3的卷積核,設(shè)滑動步長為1,卷積一次后,生成的圖像即為特征圖,特征圖的大小可以通過卷積核以及滑動步長計算,大小為(7-3+1)×(7-3+1),即5×5。在卷積層中,不同大小和參數(shù)的卷積核可以提取不同的圖像特征,通過訓(xùn)練多個不同的核函數(shù)來提取圖像中的不同特征,同時可以將核函數(shù)應(yīng)用到多個特征圖中,生成下一層卷積需要的特征圖,如公式(2.7)[45]所示。
最大池化的操作過程可以描述如下,其中圖2.3為4×4的矩陣數(shù)據(jù),圖2.4為2×2,步長為2的最大池化操作,圖2.5是按照最大池化結(jié)果。圖2.4最大池化操作
本文編號:2938305
【文章來源】:華僑大學(xué)福建省
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
前向反饋神經(jīng)網(wǎng)絡(luò)(多層感知器)
在公式2.6中,f(?)是原始圖片或者特征圖,g(?)作為卷積核。圖2.2展示了卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作過程,卷積核函數(shù)為。對于圖2.2中左邊7×7的圖像,使用3×3的卷積核,設(shè)滑動步長為1,卷積一次后,生成的圖像即為特征圖,特征圖的大小可以通過卷積核以及滑動步長計算,大小為(7-3+1)×(7-3+1),即5×5。在卷積層中,不同大小和參數(shù)的卷積核可以提取不同的圖像特征,通過訓(xùn)練多個不同的核函數(shù)來提取圖像中的不同特征,同時可以將核函數(shù)應(yīng)用到多個特征圖中,生成下一層卷積需要的特征圖,如公式(2.7)[45]所示。
最大池化的操作過程可以描述如下,其中圖2.3為4×4的矩陣數(shù)據(jù),圖2.4為2×2,步長為2的最大池化操作,圖2.5是按照最大池化結(jié)果。圖2.4最大池化操作
本文編號:2938305
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2938305.html
最近更新
教材專著