醫(yī)療影像的自動化檢測識別精度的提升是提高病理科醫(yī)生工作效率的關(guān)鍵,乳腺鉬靶片中腫塊的檢測識別作為醫(yī)療圖像自動化檢測識別的重要組成部分,是目前學術(shù)界以及工業(yè)界研究的熱點方向,通過提升對乳腺腫塊檢測、識別的準確率對于醫(yī)生的實際工作以及普及腫塊篩查具有非常重要的意義。卷積神經(jīng)網(wǎng)絡作為一種仿生物視覺機制的工作模式,在強監(jiān)督學習下通過其獨有的特性參數(shù)間的共享信息以及各層之間的連接稀疏性能夠讓學習到非常細小的圖像特征,但在醫(yī)學圖像上的應用仍舊存在非常多的問題,這也是由于醫(yī)學圖像自身圖像信息復雜、組織區(qū)別細微、特殊情況需要結(jié)合多幅視圖特征等原因造成的同時醫(yī)學圖像標注復雜。本文針對模型做出了以下改進:（1）在經(jīng)典的全卷積神經(jīng)網(wǎng)絡的基礎上提出了一種基于主動學習策略和金字塔池化的檢測算法。一方面通過引入主動學習的訓練策略,減少了數(shù)據(jù)的標注工作量;另一方面由于鉬靶影像上組織區(qū)別細微且不同病患之間腫塊尺寸差異性非常大,通過對卷積層提取到的特征進行不同大小的池化拼接,增強了算法的泛化能力。（2）在醫(yī)生的實際工作流程中要進行判斷的時候是要結(jié)合多視圖的基礎上提出了一種基于雙視圖的腫塊匹配算法。通過VGG16網(wǎng)絡模型... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 醫(yī)療乳腺腫塊輔助診斷系統(tǒng)
        1.2.2 乳腺檢查圖像成像技術(shù)
        1.2.3 乳腺腫塊檢測
        1.2.4 乳腺腫塊識別
    1.3 論文研究內(nèi)容
    1.4 本文章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡檢測及識別相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡分割檢測
        2.1.1 FCN模型介紹
        2.1.2 U-Net模型介紹
    2.2 卷積神經(jīng)網(wǎng)絡的圖像識別
    2.3 本章小結(jié)
第3章 基于改進FCN網(wǎng)絡的乳腺腫塊檢測
    3.1 數(shù)據(jù)準備
        3.1.1 數(shù)據(jù)擴展
        3.1.2 數(shù)據(jù)集的標注
    3.2 關(guān)鍵技術(shù)
        3.2.1 金字塔池化融合
        3.2.2 主動學習
    3.3 乳腺X線照片腫塊檢測框架
    3.4 網(wǎng)絡訓練
    3.5 實驗結(jié)果及分析
    3.6 視覺對比分析
    3.7 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡的雙視圖腫塊匹配識別
    4.1 數(shù)據(jù)標注
    4.2 雙視圖腫塊匹配的技術(shù)關(guān)鍵
        4.2.1 匹配對參考對象
        4.2.2 匹配對的分類判別及特征提取
    4.3 雙視圖腫塊匹配框架
    4.4 網(wǎng)絡模型設計
    4.5 實驗數(shù)據(jù)及結(jié)果分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]磁共振成像與乳腺鉬靶X線攝影檢查在乳腺癌患者中的診斷價值[J]. 凌洪.  醫(yī)療裝備. 2019(15)
[2]彩超診斷乳腺腫塊的臨床應用[J]. 徐琳琳.  人人健康. 2019(11)
[3]基于深度自編碼網(wǎng)絡的運動目標檢測[J]. 徐培,蔡小路,何文偉,謝易道.  計算機應用. 2014(10)
[4]最小差異采樣的主動學習圖像分類方法[J]. 吳健,盛勝利,趙朋朋,崔志明.  通信學報. 2014(01)
[5]一種結(jié)合主動學習的半監(jiān)督文檔聚類算法[J]. 趙衛(wèi)中,馬慧芳,李志清,史忠植.  軟件學報. 2012(06)
[6]快速離散化雙線性插值算法[J]. 陳良,高成敏.  計算機工程與設計. 2007(15)
[7]用于神經(jīng)網(wǎng)絡手寫體字符識別的自適應歸一化處理方法[J]. 孫光民,李巖,王鵬,楊靜.  模式識別與人工智能. 2005(03)
[8]基于雙線性插值算法的圖像放縮技術(shù)與實現(xiàn)[J]. 馮慧君,陶素娟,李隆.  計算機應用與軟件. 2004(07)

博士論文
[1]多視角乳腺X線圖像的乳腺癌檢測與分類方法研究[D]. 李艷鳳.北京交通大學 2015



本文編號：2976647