隨著深度學(xué)習(xí)和圖像識(shí)別算法的不斷更新和發(fā)展,利用計(jì)算機(jī)去學(xué)習(xí)人的思維能力和經(jīng)驗(yàn),輔助人類處理日常的工作已經(jīng)變得越來越常見。智慧醫(yī)療就是將更多的人工智能技術(shù)運(yùn)用到臨床疾病的診斷和治療當(dāng)中。臨床中常見的醫(yī)學(xué)圖像是我們分析病情和判斷病情的依據(jù),將深度學(xué)習(xí)和圖像識(shí)別的技術(shù)運(yùn)用到醫(yī)療領(lǐng)域中進(jìn)行醫(yī)學(xué)圖像的識(shí)別和分析,利用高性能的計(jì)算機(jī)去處理大量的醫(yī)學(xué)圖片,是醫(yī)療大數(shù)據(jù)的一個(gè)重要的研究方向,也是加速智慧醫(yī)療體系建設(shè)的重要分支。據(jù)世衛(wèi)組織的調(diào)查數(shù)據(jù)顯示,全球大概存在7%-11%的育齡人口遭受不孕不育的困擾,其中至少30-50%的病例與男性有關(guān)。對(duì)男性進(jìn)行精液分析是診斷男性不孕不育的主要方式,對(duì)精子的形態(tài)分析是評(píng)估診斷者是否患病的關(guān)鍵因素之一。目前對(duì)精子的人工評(píng)估存在主觀性強(qiáng)、標(biāo)準(zhǔn)不嚴(yán)格、耗時(shí)等缺陷,因此,利用圖像識(shí)別算法,通過高性能計(jì)算機(jī)去實(shí)現(xiàn)精子形態(tài)評(píng)估,輔助醫(yī)生進(jìn)行精子形態(tài)分析是非常具有臨床實(shí)用價(jià)值。本文是在吉林省科技廳重點(diǎn)科技攻關(guān)項(xiàng)目和醫(yī)大一院合作項(xiàng)目的支持下完成的。醫(yī)學(xué)精子圖像的目標(biāo)檢測(cè),包含對(duì)精子頭部有效特征的提取和精子頭部的形態(tài)分類兩部分,本文的研究重點(diǎn)是利用卷積神經(jīng)網(wǎng)絡(luò)的算法對(duì)醫(yī)學(xué)精子頭... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

精子形態(tài)異常示意圖

吉林大學(xué)碩士學(xué)位論文8構(gòu)和連接方式使得DenseNet比其他網(wǎng)絡(luò)需要學(xué)習(xí)的特征更少，計(jì)算量和參數(shù)也更小，增加了特征的重復(fù)利用，提升了效率，使得網(wǎng)絡(luò)性能進(jìn)一步提升。2.2基于目標(biāo)檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)2.2.1卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理CNN的局部感受野特性，減少了對(duì)圖像的預(yù)處理，能夠直接將待檢測(cè)圖片輸入網(wǎng)絡(luò)中進(jìn)行處理，卷積神經(jīng)網(wǎng)絡(luò)[31]的基礎(chǔ)結(jié)構(gòu)如圖2.1所示。圖2.1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)CNN[32]網(wǎng)絡(luò)包括卷積層、池化層及全連接層等，保證了CNN網(wǎng)絡(luò)有很好的特征提取能力。（1）卷積層卷積層(Convolutionlayer)用于提取圖像的有效特征信息，卷積運(yùn)算過程如圖2.2所示。10011001221101020001100110010100110000120101112011110210101100020111021000012110010101-11001312-143423-132302221312131312412314-124134151023132圖2.2卷積運(yùn)算過程卷積的運(yùn)算過程，輸入圖片的矩陣像素點(diǎn)和卷積核數(shù)值的乘積之和，是一個(gè)特征映射點(diǎn)，隨著步長(zhǎng)從左到右，從上而下，對(duì)輸入圖片進(jìn)行完整的掃描，卷積核經(jīng)過的位置就是感受野，提取到的就是特征信息，最終掃過圖片的矩陣得到的數(shù)組矩陣，我們稱之為特征映射[33]。卷積核與特征圖進(jìn)行卷積計(jì)算的公式：,ijijmnksijijyxmnMxwb...…...................（2.1）

增加Dropout層前（左）和后（右）


本文編號(hào)：3563611