發(fā)布時(shí)間：2021-02-21 04:50

　　在“智慧醫(yī)療”時(shí)代,歸功于逐漸完善的基礎(chǔ)醫(yī)療設(shè)施和爆炸性增長(zhǎng)的醫(yī)學(xué)數(shù)據(jù),患者的診斷需求也在逐步增長(zhǎng)。傳統(tǒng)的依賴醫(yī)生的手工診斷方法和基于“電腦急救診斷”（Computer-aided Diagnosis,CAD）系統(tǒng)的半自動(dòng)方法已經(jīng)不能滿足發(fā)展的需要。全自動(dòng)的智能診斷方案成為當(dāng)今的首選。然而,完全獨(dú)立于醫(yī)生的自動(dòng)疾病診斷,尤其是依賴醫(yī)學(xué)圖像分析的智能疾病診斷,仍然是一個(gè)頗具挑戰(zhàn)性的問題。因?yàn)槿詣?dòng)方法往往很難覆蓋診斷過(guò)程的各個(gè)步驟,并且過(guò)去的CAD系統(tǒng)并沒有采用近來(lái)比較新的智能技術(shù)。針對(duì)這些缺陷,本文基于深度學(xué)習(xí)技術(shù)提出了一個(gè)兩階段的醫(yī)學(xué)圖像疾病診斷模型,用以實(shí)現(xiàn)全自動(dòng)的醫(yī)學(xué)圖像病理判別。它由兩個(gè)深度學(xué)習(xí)模型組成,分別是帶注意力機(jī)制的多任務(wù)特征補(bǔ)充病灶分割網(wǎng)絡(luò)和深度學(xué)習(xí)相關(guān)的雙路網(wǎng)絡(luò)診斷處理流程。其中,病灶分割網(wǎng)絡(luò)集成了用于修正病灶位置的有監(jiān)督注意力機(jī)制和包含區(qū)域特征過(guò)濾的多尺度特征補(bǔ)充去減輕腫塊像素誤判的情形。而病理診斷網(wǎng)絡(luò)則使用帶有特征冗余控制的雙路卷積神經(jīng)網(wǎng)絡(luò)特征提取器和基于最大相關(guān)性的多層級(jí)特征篩選去挖掘更多樣化和更有用的病理特征用以提高診斷精度。由分割子網(wǎng)絡(luò)得到的病灶將被提交至... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三個(gè)版本的基礎(chǔ)網(wǎng)絡(luò)及其對(duì)應(yīng)的完整版DLDPPF的病理診斷一致性分析


本文編號(hào)：3043863