本文關(guān)鍵詞：醫(yī)學內(nèi)窺鏡圖像的異常檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：醫(yī)學內(nèi)窺鏡因其獨特的構(gòu)造能夠深入患者的體內(nèi),直接觀察體內(nèi)胃腸道各器官的表現(xiàn),從而在現(xiàn)代胃腸道疾病的診斷中發(fā)揮著巨大的作用。但胃腸道疾病的診斷依靠內(nèi)科醫(yī)師對內(nèi)窺鏡圖像進行日視解讀來初步判定,這十分依賴醫(yī)生的診斷經(jīng)驗,造成了沉重的工作負擔。因此面對內(nèi)窺鏡手術(shù)中產(chǎn)生的大量醫(yī)學內(nèi)窺鏡圖像,如何能夠通過分析圖像的表現(xiàn)模式為醫(yī)生提供異常檢測層面的輔助診斷是一個十分具有實際意義的問題。論文的主要研究內(nèi)容如下：1.醫(yī)學內(nèi)窺鏡圖像的特征提取方法。本文提出了一種融合傳統(tǒng)的顏色特征、紋理特征以及卷積神經(jīng)網(wǎng)絡特征的特征提取算法,在對檢測單元提取顏色直方圖統(tǒng)計特征和局部二元模式特征的基礎(chǔ)之上,設計了卷積神經(jīng)網(wǎng)絡模型來有監(jiān)督地學習檢測單元特征的表示,并通過梯度提升樹模型對兩種特征信息進行了融合。實驗結(jié)果表明本文的特征提取算法能夠獲得更好地描述醫(yī)學內(nèi)窺鏡圖像中的各種表現(xiàn),從而提升異常檢測效果。2.結(jié)合代價敏感的異常檢測技術(shù)。由十異常檢測中不同類誤分代價不同,并且圖像中不同類別樣本數(shù)量失衡,本文將代價敏感技術(shù)與異常檢測相結(jié)合。首先通過代價敏感的支持向量機模型對樣本進行分類識別,并提出了ROC曲線在低漏警率下的截面積作為代價敏感的模型評價指標來評估模型的表現(xiàn),并指導模型的參數(shù)選擇過程。實驗結(jié)果表明本文結(jié)合代價敏感的異常檢測技術(shù)能夠較好地使異常檢測結(jié)果與實際診斷對低漏警率的需求相結(jié)合。
【關(guān)鍵詞】：醫(yī)學內(nèi)窺鏡圖像 異常檢測 特征提取 卷積神經(jīng)網(wǎng)絡 特征選擇 代價敏感
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;R443.8
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-20
• 1.1 研究背景和意義12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-17
• 1.2.1 獲取感興趣檢測單元15
• 1.2.2 特征提取15-16
• 1.2.3 分類器識別異常16-17
• 1.3 本文的研究內(nèi)容17-18
• 1.4 本文的結(jié)構(gòu)安排18-20
• 第2章 醫(yī)學內(nèi)窺鏡圖像的特征提取方法20-38
• 2.1 概述20-21
• 2.2 獲取感興趣檢測單元21-23
• 2.3 傳統(tǒng)特征提取23-26
• 2.3.1 顏色特征提取23-24
• 2.3.2 紋理特征提取24-26
• 2.4 全局輔助特征提取26-27
• 2.5 卷積神經(jīng)網(wǎng)絡特征提取27-34
• 2.5.1 深度學習背景概述27-29
• 2.5.2 卷積神經(jīng)網(wǎng)絡特征提取29-34
• 2.6 基于梯度提升樹模型的特征融合34-36
• 2.7 本章小結(jié)36-38
• 第3章 結(jié)合代價敏感的異常檢測技術(shù)38-52
• 3.1 概述38
• 3.2 代價敏感技術(shù)背景38-40
• 3.2.1 調(diào)整標簽分布39
• 3.2.2 代價敏感學習39-40
• 3.3 代價敏感的異常檢測40
• 3.4 代價敏感的檢測模型40-45
• 3.4.1 背景概述40-41
• 3.4.2 支持向量機41-44
• 3.4.3 代價敏感的支持向量機模型44-45
• 3.5 代價敏感的模型評價指標45-50
• 3.5.1 傳統(tǒng)的模型評價指標46-48
• 3.5.2 基于局部ROC曲線截面積的模型評價指標48-50
• 3.6 本章小結(jié)50-52
• 第4章 實驗方案與結(jié)果52-58
• 4.1 實驗方案52
• 4.2 不同特征的異常檢測表現(xiàn)52-54
• 4.3 代價敏感的模型評價指標54-56
• 4.4 本章小結(jié)56-58
• 第5章 總結(jié)和展望58-60
• 5.1 論文總結(jié)58-59
• 5.2 未來研究展望59-60
• 參考文獻60-66
• 致謝66-68
• 在讀期間發(fā)表的學術(shù)論文與取得的研究成果68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱艷;陳利華;萬論論;;心臟超聲虛擬內(nèi)窺鏡圖像預處理技術(shù)研究進展[J];中外醫(yī)學研究;2013年24期

2 李宗信;多媒體技術(shù)在內(nèi)窺鏡圖像處理系統(tǒng)中的應用[J];福建醫(yī)學院學報;1995年04期

3 ;內(nèi)窺鏡圖像的校準[J];國外醫(yī)學.耳鼻咽喉科學分冊;1996年02期

4 李擁軍;螺旋CT內(nèi)窺鏡圖像的基礎(chǔ)評價[J];北京軍區(qū)醫(yī)藥;1999年03期

5 劉毅,李新,周紅軍;多媒體技術(shù)在內(nèi)窺鏡圖像處理系統(tǒng)中的應用[J];中華醫(yī)學信息導報;1997年19期

6 ;FNT內(nèi)窺鏡圖像顯示儀[J];內(nèi)鏡;1994年02期

7 ;FNT內(nèi)窺鏡圖像顯示儀[J];內(nèi)鏡;1995年05期

8 黃戰(zhàn)華,謝洪波,郁道銀,張漢奇;醫(yī)用內(nèi)窺鏡圖像自適應量化壓縮編化碼方法研究[J];中國生物醫(yī)學工程學報;2000年03期

9 ;NT系列內(nèi)窺鏡圖像顯示儀[J];內(nèi)鏡;1994年02期

10 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 強俊;周鳴爭;汪軍;楚寧;;基于核學習算法的內(nèi)窺鏡圖像的識別[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

2 張家俊;;內(nèi)窺鏡圖像偏色的探討[A];內(nèi)蒙古醫(yī)學會第一屆醫(yī)學工程專業(yè)學術(shù)研討會論文匯編[C];2001年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 余寶國;視頻內(nèi)窺鏡圖像系統(tǒng)開發(fā)與設計[D];華東理工大學;2016年

2 朱戎生;醫(yī)學內(nèi)窺鏡圖像的異常檢測技術(shù)研究[D];中國科學技術(shù)大學;2016年

3 李葳;醫(yī)學電子內(nèi)窺鏡圖像處理技術(shù)研究[D];西安電子科技大學;2006年

4 楊丹軍;計算機輔助消化道內(nèi)窺鏡圖像診斷技術(shù)研究[D];西安電子科技大學;2010年

5 羅肖;序列內(nèi)窺鏡圖像的三維結(jié)構(gòu)重建[D];上海交通大學;2009年

6 戶貫濤;內(nèi)窺鏡圖像高清處理系統(tǒng)硬件設計[D];浙江大學;2008年

7 卜應敏;醫(yī)學電子內(nèi)窺鏡圖像工作站軟件設計與開發(fā)[D];安徽工業(yè)大學;2012年

8 陳婧;醫(yī)用高清電子內(nèi)窺鏡圖像處理技術(shù)研究[D];浙江大學;2013年

9 胡一飛;內(nèi)窺鏡圖像高清處理系統(tǒng)軟件設計[D];浙江大學;2008年

10 顏佳泉;基于嵌入式平臺的醫(yī)用電子內(nèi)窺鏡系統(tǒng)研究[D];華僑大學;2012年

  本文關(guān)鍵詞：醫(yī)學內(nèi)窺鏡圖像的異常檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：345075