基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的宮頸細(xì)胞學(xué)圖像異常區(qū)域檢測(cè)
【文章頁(yè)數(shù)】:73 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1不同視野數(shù)據(jù)集樣本對(duì)比,第一幅圖是本文實(shí)驗(yàn)使用的大視野圖像,后面三幅是Herlev數(shù)據(jù)集的單細(xì)胞圖像
耗了額外的人力資源。圖1-1給出了兩種不同情景下數(shù)據(jù)集的對(duì)比。如果直接對(duì)全視野圖像進(jìn)行處理,不僅可以節(jié)省中間的人工成本,而且還可以提高分割和分類耗費(fèi)在正常細(xì)胞核上的時(shí)間代價(jià),滿足臨床篩查的實(shí)時(shí)性要求。
圖2-2YOLO的網(wǎng)絡(luò)框架
圖2-2YOLO的網(wǎng)絡(luò)框架[64]針對(duì)YOLO類算法的定位精度問(wèn)題,2016年北卡大學(xué)教堂山分校的Liu等人[67]提出SSD算法,將YOLO的回歸思想和FasterR-CNN的anchor機(jī)制結(jié)合。通過(guò)在不同卷積層的特征圖上預(yù)測(cè)物體區(qū)域,輸出離....
圖2-3不同數(shù)據(jù)集的目標(biāo)面積占比和數(shù)量分布比較
中可以發(fā)現(xiàn)PascalVOC2012數(shù)據(jù)集的目標(biāo)面積占比一般比較大,面積占比為0.03%以下的小目標(biāo)只有29.28%,而宮頸細(xì)胞圖像數(shù)據(jù)集的小目標(biāo)數(shù)量占比為95.03%,幾乎全是小目標(biāo),這也是兩者的重要區(qū)別之一。現(xiàn)有的檢測(cè)框架在進(jìn)行目標(biāo)分類時(shí)會(huì)有選擇性地傾向于大目標(biāo)的....
圖2-4PascalVOC2012數(shù)據(jù)集樣本和本文使用數(shù)據(jù)集對(duì)比
細(xì)胞和正常細(xì)胞的至關(guān)重要的特征之一。宮頸脫落細(xì)胞中,異常細(xì)胞的面積一般是細(xì)胞面積的2-3倍。然而,目前許多的檢測(cè)器比如FasterR-CNN中的感興趣池化層不同大小的感興趣區(qū)域池化到同一個(gè)尺寸,導(dǎo)致感興趣區(qū)域級(jí)別的特征圖丟失了關(guān)積的差異信息,給宮頸細(xì)胞檢測(cè)帶來(lái)了一定的阻....
本文編號(hào):3911434
本文鏈接:http://www.sikaile.net/yixuelunwen/fuchankeerkelunwen/3911434.html