【摘 要】
：
肠道息肉有较大概率会恶化为恶性肿瘤,因此在肠道癌症的早期筛查中,有效筛查肠道息肉十分重要。胶囊内镜检查是筛查肠道息肉的常用临床手段,然而现有的基于胶囊内镜的肠道息肉检测识别方法仍存在一定局限性:1)需要花费大量时间和人力成本制作用于监督学习的标签;2)直接使用大量的原始数据训练用于肠道息肉的智能识别模型,使得模型训练时间长、收敛难度大等问题;3)患者个体差异性容易导致模型泛化能力弱。为了弥补上述不
论文部分内容阅读
肠道息肉有较大概率会恶化为恶性肿瘤,因此在肠道癌症的早期筛查中,有效筛查肠道息肉十分重要。胶囊内镜检查是筛查肠道息肉的常用临床手段,然而现有的基于胶囊内镜的肠道息肉检测识别方法仍存在一定局限性:1)需要花费大量时间和人力成本制作用于监督学习的标签;2)直接使用大量的原始数据训练用于肠道息肉的智能识别模型,使得模型训练时间长、收敛难度大等问题;3)患者个体差异性容易导致模型泛化能力弱。为了弥补上述不足,本文以肠道胶囊内镜图像为研究对象,采用图像特征提取算法、无监督聚类算法、目标检测与分割算法为理论方法,开展基于胶囊内镜的肠道息肉智能识别方法研究,并结合实际临床数据,讨论了该智能识别方法的有效性和优势性。本文首先设计了一种基于距离判别比的改进二维图像熵（2DMIE-DR）,对过滤后的胶囊内镜图像数据进行信息量特征提取,将每张图像都提取为一维的特征向量以降低数据维度;在此基础上,提出一种基于马氏距离的改进无监督聚类算法（MK-Means）,对提取到的特征向量进行无监督聚类学习,以提取出“疑似”拍摄到肠道息肉的图像帧,供医师进行标签制作;最后,研究并提出了一种基于精确目标区域池化的掩膜卷积神经网络（Pr MRCNN）,对“疑似”拍摄到肠道息肉的图片进行有监督学习,获得属于该患者个人的智能识别模型,实现肠道息肉的智能识别。本文对提出的2DMIE-DR、MK-Means、Pr MRCNN分别设计了有关实验,论证了三种算法的有效性和优势性;除此之外,本文结合多中心临床数据,对肠道息肉智能识别方法涉及的关键模型和技术进行有效性、适用性验证。实验结果表明,所提出肠道息肉智能识别方法能有效识别多中心临床数据中的肠道息肉。对比现有识别方法,本文提出的智能识别方法将息肉检测精度从44.83%提升至46.88%,息肉分割精度从47.16%提升至50.80%,大幅降低了医师工作量（下降了79.46%）,具备了一定的临床应用潜力。
其他文献
SAR图像解译已经成为当前遥感应用的前沿课题,基于深度学习的SAR舰船检测是SAR领域的一个重要研究课题。然而,SAR舰船检测存在多样性强、港口干扰大和图像噪声大等特点,严重影响了检测的性能。本文研究基于深度学习的SAR舰船检测,提出了一套提升目标检测效果的整体方案,研究工作主要包括3部分:基于风格迁移的数据增强,图像处理模块,以及改进的目标检测算法。根据SAR图像数据集多样性高的特点,分析制备了
基于常规测井资料的储层渗透率预测理论研究与技术开发对储层评估和油气开发具有重要意义。现有方法存在一定的局限性:1)输入特征（测井参数）需要由专家经验选择,且有些特征无法直接通过测井获得;2)常规基于机器学习算法的渗透率预测模型预测精度和效率低;3)由数据分布差异导致的跨井预测问题尚没有行之有效的解决手段。为解决上述问题,本文以中国西部某油田测井数据为研究对象,利用机器学习技术,分别从测井参数特征选
搭建智慧平台,推动教学改革,符合学科教学发展基本要求,在数学学科教学中,教师借助学测分析机会推进课堂改进,为课堂教学带来更多信息支持,能够掌握学生学情信息,并以此作为调整依据,给学生提供更多学习成长的机会。关注学测分析,教师从学情调查角度展开教学布设,能够获得更多教学激发动力,提升课堂教学品质,培养学生良好学习习惯。
＜正＞如何帮助学生更快地融入新环境,让他们感受到同学的可爱、班级的温暖,从而产生主动交友的愿望,无疑是每一位班主任都应该思考的问题。基于此,我设计了这样一节心理活动课:我的祝福你收到了吗?目的是促进学生主动交往,熟悉彼此、建立归属感;激发学生的真诚、友善,使他们日常相处更融洽。活动过程一、热身活动——大风吹"丁零零……"踏着铃声,我手拿一沓表格走进了教室。学生们有点惊讶:"老师要考试?"我
随着当今社会的网络化和智能化,通过网络来连接多个智能体以实现协调控制已成为研究的热点,而一致性控制作为多智能体协调控制中的核心问题,值得研究者们进行广泛和深入地探索。现今大多数的多智能体研究都以渐近稳定为控制目标,系统收敛时间趋于无穷。为了使系统取得更快的收敛速度,论文研究了多智能体系统的有限时间控制问题,使系统在有限时间内实现一致。另外,为了兼顾控制过程中的能量利用效率,论文采用事件触发策略设计
随着光学遥感技术的快速发展,遥感图像目标检测技术的应用领域越来越广泛。遥感图像具有背景信息复杂、目标排列密集、尺度变化较大的特点,现有的目标检测算法对上下文信息的应用不足。本文提出了新的目标检测算法来有效利用上下文信息,提升目标检测算法的检测精度和多尺度检测性能,主要的研究工作如下:针对基于锚框的目标检测算法中目标候选区域确定的硬判别方法所造成的尺度变化大的候选目标匹配度不足的问题。设计了基于上下
电动汽车（Electric Vehicles,EVs）在各国相关政策的大力鼓励下,渗透率大大增加。随着智能电网的发展,车辆并网（Vehicle to Grid,V2G）技术可以实现EVs作为储能设备向电网放电,进而通过有序的EVs充放电调度策略调节电力峰值、平抑电网负荷。而调度策略中需要考虑的一些因素是不确定的,不确定因素的预测是实际应用EVs充放电调度策略的前提。本文主要围绕电网代理商区域应用E
视觉目标跟踪是计算机视觉领域一个重要的研究方向,其成果现已广泛应用于视频监控、人机交互和辅助驾驶等领域。随着深度学习的发展,目标跟踪技术近年来已经取得了十分显著的进步,但由于目标形变、尺度变化和旋转等问题,实现复杂场景下的准确鲁棒跟踪仍然面临巨大挑战。本文从提升孪生网络目标跟踪算法的定位精度和目标外观模型的鲁棒性两方面,开展了以下研究:针对现有孪生网络跟踪算法将目标特征当作一个整体与搜索图像进行全
海面红外小目标检测对维护国家主权、保障海洋权益、推动强国建设具有重大科学研究和现实应用意义。但海面背景复杂,通常有海天线、海岛、鱼鳞光等大量动静态背景杂波,给目标检测带来极大困难。单帧检测中,仅根据图像灰度、梯度等底层特征的检测方法难以有效地抑制背景杂波,尤其是与目标具有类似底层特性的动态杂波;多帧检测中,由于海面红外图像序列中存在无法避免的帧间抖动,造成基于传统的管道滤波方式精度低、鲁棒性差。针
传感器技术的进步,推动机器人感知能力不断向前发展。即时定位与建图（Simultaneously Localization and Mapping,SLAM）技术赋予机器人依靠传感器独立自主理解环境并确定自身在环境中的位置的能力,具有重要的研究和应用价值。依靠视觉和惯导传感器融合定位建图的问题称为视觉惯导融合SLAM（VI-SLAM,Visual Inertial SLAM）问题,其本质上是一类依靠