癌癥是造成世界上人類死亡的主要原因,其中結(jié)腸癌患者數(shù)量多且死亡率較高,它已經(jīng)成為影響人類生命的第三大危險(xiǎn)癌癥,但其早期診斷成活率只有50%。因此,對(duì)結(jié)腸癌進(jìn)行準(zhǔn)確的早期診斷與分析具有重要的研究?jī)r(jià)值和意義。近年來,通過自動(dòng)化分析結(jié)腸癌圖像細(xì)胞核進(jìn)行早期診斷已有一些研究成果,但存在手動(dòng)提取特征誤差大、診斷精確度低等問題。隨著深度學(xué)習(xí)的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)可以直接對(duì)原始圖像提取特征,從而在醫(yī)學(xué)圖像處理方面取得了重大突破。但是,由于其自身存在訓(xùn)練耗時(shí)以及結(jié)腸癌圖像細(xì)胞核自身高度的異質(zhì)性,致使以往的一些方法很難對(duì)結(jié)腸癌圖像細(xì)胞核進(jìn)行高效的分類。針對(duì)以上問題,本文首先從卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)出發(fā),研究了全連接層對(duì)卷積神經(jīng)網(wǎng)絡(luò)性能的影響以及數(shù)據(jù)集與網(wǎng)絡(luò)之間存在的潛在關(guān)系;提出了重疊聚類的卷積模型來提高網(wǎng)絡(luò)的訓(xùn)練速度;參考全連接層對(duì)卷積神經(jīng)網(wǎng)絡(luò)性能影響的實(shí)驗(yàn)設(shè)置,提出了基于聚類卷積的結(jié)腸癌圖像細(xì)胞核分類新方法。論文的主要研究?jī)?nèi)容如下:（1）研究了全連接層對(duì)卷積神經(jīng)網(wǎng)絡(luò)性能的影響。本文提出了三種由淺到深的初始網(wǎng)絡(luò)架構(gòu)依次為Net-1、Net-2及Net-3。通過逐漸增加全連接層單層中神經(jīng)元的個(gè)數(shù)來研究... 

【文章來源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Net-1網(wǎng)絡(luò)結(jié)構(gòu)

第3章全連接層對(duì)卷積神經(jīng)網(wǎng)絡(luò)性能影響的研究15VGG-16網(wǎng)絡(luò)是由13個(gè)卷積層和3個(gè)全連接層組成。我們將VGG-16最后連續(xù)3個(gè)通道數(shù)為512的3×3的卷積塊去掉，全連接層層數(shù)設(shè)置為1層，神經(jīng)元數(shù)目設(shè)置為4而形成Net-3的初始網(wǎng)絡(luò)結(jié)構(gòu)；再將Net-3的2個(gè)3層的連續(xù)卷積塊各去掉一層而得到Net-2的初始網(wǎng)絡(luò)結(jié)構(gòu)。Net-2、Net-3網(wǎng)絡(luò)結(jié)構(gòu)分別如圖3-2，圖3-3；兩者的網(wǎng)絡(luò)內(nèi)部配置如表3-2所示。卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一層抽取一層圖3-2Net-2結(jié)構(gòu)圖卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000圖3-3Net-3結(jié)構(gòu)圖表3-1Net-1網(wǎng)絡(luò)的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14

第3章全連接層對(duì)卷積神經(jīng)網(wǎng)絡(luò)性能影響的研究15VGG-16網(wǎng)絡(luò)是由13個(gè)卷積層和3個(gè)全連接層組成。我們將VGG-16最后連續(xù)3個(gè)通道數(shù)為512的3×3的卷積塊去掉，全連接層層數(shù)設(shè)置為1層，神經(jīng)元數(shù)目設(shè)置為4而形成Net-3的初始網(wǎng)絡(luò)結(jié)構(gòu)；再將Net-3的2個(gè)3層的連續(xù)卷積塊各去掉一層而得到Net-2的初始網(wǎng)絡(luò)結(jié)構(gòu)。Net-2、Net-3網(wǎng)絡(luò)結(jié)構(gòu)分別如圖3-2，圖3-3；兩者的網(wǎng)絡(luò)內(nèi)部配置如表3-2所示。卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一層抽取一層圖3-2Net-2結(jié)構(gòu)圖卷積+ReLU最大池化全連接層+ReLUsoftmax激活函數(shù)32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000圖3-3Net-3結(jié)構(gòu)圖表3-1Net-1網(wǎng)絡(luò)的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)算法在中醫(yī)診療中的研究綜述[J]. 張曉航,石清磊,王斌,王炳蔚,王永吉,陳力,吳敬征.  計(jì)算機(jī)科學(xué). 2018(S2)
[2]結(jié)腸癌治療方法研究進(jìn)展[J]. 胡盛,于恩達(dá).  結(jié)直腸肛門外科. 2016(06)
[3]計(jì)算機(jī)輔助診斷在醫(yī)學(xué)影像診斷中的基本原理和應(yīng)用進(jìn)展[J]. 高歌,馬帥,王霄英.  放射學(xué)實(shí)踐. 2016(12)
[4]結(jié)腸癌肝轉(zhuǎn)移動(dòng)物模型的研究進(jìn)展[J]. 王理,張文斌.  中國(guó)現(xiàn)代普通外科進(jìn)展. 2014(02)
[5]結(jié)腸疾病的影像學(xué)和結(jié)腸鏡檢查的對(duì)比分析[J]. 樊民義,劉輝,梁曉燕,黃范利.  實(shí)用放射學(xué)雜志. 2008(08)
[6]螺旋CT結(jié)腸成像術(shù)在結(jié)腸癌分型中的應(yīng)用[J]. 孔祥林,宋冰,張文婧,顧建華,郝明利,姜繽,溫連慶,夏爽,沈文.  天津醫(yī)藥. 2006(11)
[7]結(jié)腸癌的CT診斷[J]. 王平珍,陳玉賢.  中國(guó)煤炭工業(yè)醫(yī)學(xué)雜志. 2004(03)

碩士論文
[1]TEOA抗人結(jié)腸癌細(xì)胞作用機(jī)制的初步研究[D]. 張丹丹.浙江大學(xué) 2017
[2]醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究[D]. 何樂樂.電子科技大學(xué) 2015



本文編號(hào)：3268754