【摘 要】
:
当前癌症已经成为我国以及全世界居民死亡的重要因素,而乳腺癌更是导致女性死亡的重要疾病。利用显微镜观察病理切片的肿瘤区域进行症状分析,计算肿瘤细胞的阳性指数能给患者提供针对性的治疗方案。由于专业的病理医生数量匮乏以及医生的个人主观因素等限制条件,往往存在各组织区域识别不准确,阳性指数估算偏差较大等问题。而通过深度学习对病理切片的图像数据进行组织分割,一方面能帮助病理医生快速定位不同的组织区域,方便症
论文部分内容阅读
当前癌症已经成为我国以及全世界居民死亡的重要因素,而乳腺癌更是导致女性死亡的重要疾病。利用显微镜观察病理切片的肿瘤区域进行症状分析,计算肿瘤细胞的阳性指数能给患者提供针对性的治疗方案。由于专业的病理医生数量匮乏以及医生的个人主观因素等限制条件,往往存在各组织区域识别不准确,阳性指数估算偏差较大等问题。而通过深度学习对病理切片的图像数据进行组织分割,一方面能帮助病理医生快速定位不同的组织区域,方便症状分析和阳性指数的估算;另一方常见的病理诊断辅助系统是在图像分割的基础通过细胞分割来计算阳性指数,而良好的组织分割能有效提高细胞分割准确性。但利用深度学习进行图像分割需要大量的有标注数据,而在医学领域,由于数据样本种类繁杂及标注难度高,标注数据是昂贵且耗时的。因此利用半监督学习取代全监督学习来训练模型就具有很高的现实意义,它能在少量标注数据和大量无标注数据的情况下达到不弱于全标注的效果。针对上述的问题,本文选取HE染色的乳腺癌数据集,基于半监督学习对乳腺癌病理切片的各组织区域的语义分割进行了研究。论文完成了以下工作:(1)为了探究不同分割网络和不同比例标注数据对于病理图像的分割效果,本文选取了Link Net、Unet、Trans UNet三个网络分别在乳腺癌数据集上进行实验,实验结果表明Trans UNet在少量数据下分割效果最好,在足量数据下三者具有性能相同的分割效果,Dice_avg都达到了0.72,另外不同标注数据量影响了网络分割效果,标注数据量越多,分割网络性能越好。(2)为了解决病理图像数据标注困难的问题,本文将半监督分类的几类方法迁移到分割问题上,综合对比了自训练、一致性正则化和混合方法在乳腺组织分割的效果,实验结果表明了混合方法的性能超过其他两类方法,其在1/10有标数据下Dice_avg达到了0.69;同时在自训练方法中研究了伪标签的后处理方式和优化函数,在一致性正则化中研究了三种不同的图像噪声,实验结果表明硬标签更适用于伪标签的后处理,交叉熵函数在分割问题上效果更佳,剪切混合噪声比高斯噪声、插值一致噪声更适用于病理图像。(3)本文提出了一种基于伪标签和一致性正则的混合算法,提高了同比例标注数据下半监督分割的效果。该算法通过交并比排序对自训练生成的伪标签进行数据选择,同时在一致性正则化算法中引入熵最小约束。实验结果表明,经过筛选后的伪标签能进一步提高分割效果,在1/10的有标数据下能将Dice_avg提升1.3%,达到和业界最佳算法CPS一样的效果,而在其他比例的数据上有比CPS算法更优的效果,在5/10的有标数据Dice_avg达到了0.721,取得和标注全部数据一样效果,超过其他所有的半监督分割算法。本文提出的半监督分割算法在乳腺组织的分割上表现出良好的效果,能在一定程度上解决数据标注的难题,可以迁移到其他的分割任务上,具有通用性。
其他文献
<正>2020年7月10日,由广西大学新闻与传播学院院长郑保卫教授担任首席专家的国家社科基金重大项目"百年中国共产党新闻政策变迁研究(1921—2021)"开题论证视频会议在广西大学召开。受疫情的影响,此次开题论证会以线上会议方式举行,来自北京大学、清华大学、中国人民大学、中国传媒大学、华中科技大学等高校新闻传播学院的五位专家,为广西新闻传播学科第一个国家社科基金重大项目进行开题论证。
随着我国高等教育学专业的不断发展,高等教育学硕士学位点不断增加,综合性大学成为高等教育学专业人才培养的重要力量。但是,随着“双一流”战略的提出,近年来出现了综合性大学裁撤或合并高等教育学专业的热潮。综合性大学高等教育学硕士研究生难以满足社会发展需求,就业难、竞争力差等问题日益凸显,高等教育学专业人才培养质量亟待提升。人才培养的质量与课程设置密切相关,高等教育学专业课程内容和课程结构的质量直接影响到
研究生导师与学生的互选工作作为研究生培养工作的首要环节,合理的师生互选机制对研究生教育质量的提高具有重要作用。由此,通过对我国硕士研究生师生互选制度的发展历程进行梳理,对其现状与问题进行深入研究,对完善我国研究生培养机制具有重要意义。首先,本研究主要以我国的硕士生师生互选制度为研究对象,采用文献研究法、调查研究法、比较研究法和个案研究法四种方法,对恢复研究生教育以来我国硕士生师生互选制度发展的背景
在线学习作为一种新型的学习方式,能够充分利用现代信息技术的优势,深刻改变了高等院校的教学模式和管理模式。基于在线开放课程的教学成为高校课程教学的新常态,在线开放课程学习过程中,各种因素都将直接影响学生的学习体验感受,学习体验的好坏也将影响在线教学的质量。为此,本论文以大学生在线开放课程学习体验影响机制为题展开研究。本课题的核心研究问题是“影响大学生在线开放课程学习体验的因素及其作用机制是什么?”,
光学遥感影像具有时空分辨率高、地表信息丰富等特点,被广泛应用于气候监测、国土测绘、资源勘察、军事侦察等领域。但是,遥感影像的成像质量容易受到大气中云层的影响,造成影像中部分地表信息的丢失,从而影响了遥感影像在后续工作中的应用。在实际的研究工作中,云层的遮盖严重降低了遥感影像的利用率,这是对光学卫星资源的极大浪费。因此,对遥感影像中的云覆盖区域进行检测,并将这些区域进行修复或者重建是一项非常有意义的
我国农村存在师资欠缺、整体素质较低等问题,为了解决这些问题,促进城乡教育公平,国家于2006年实施“农村义务教育阶段学校教师特设岗位计划”,该计划启动后特岗教师数量在农村教师中所占比重越来越高,特岗教师在农村教师群体中扮演越来越重要的角色。特岗教师为农村教育作出重要贡献,教育部门、学校也都对特岗教师的付出给予肯定,然而,教育部门及学校对特岗教师的管理却出现了许多问题。本研究以新干县2016年至20
随着计算机视觉技术不断发展,提取场景图像中的文字需求不断增加,使得场景文本检测与识别也成为目前最热门的研究内容之一,也积累了很多有价值的成果。场景文字的检测与识别在无人超市、自动驾驶、快递、天网系统、工业自动化、即时翻译等领域有极大的应用价值,传统印刷文本的检测与识别方法在图片质量不佳、文本形式多变、图像背景复杂等问题很难得到较高的准确率,近些年来深度学习在目标检测与图像处理方面取得巨大成果,所以
随着移动互联网的迅速发展以及智能设备的普及,诸如门户牌匾、道路指示牌之类的自然场景下的图像文字信息可以被人们获取,它们充斥着我们的生活。所以利用计算机自动高效地提取这些图像中的文字信息,对我国的信息化建设和数字经济的蓬勃发展有着重要的意义。自然场景下的图像由于拍摄角度和拍摄条件的原因,往往存在过曝、光线反射、环境繁杂、图片模糊、文字形状和颜色不理想等问题。如何高效准确地检测、将复杂环境下的文本内容
在光照条件不佳或背对光源的情况下获取的低照度图像往往存在着对比度低、可见性差、噪声严重和颜色失真等问题,导致图像内容难以被人眼感知和计算机视觉识别,需要经过增强处理后才能用于图像分割、目标识别、图像分类等任务。为此,研究者们提出了大量的低照度图像增强(low-light image enhancement,LLIE)算法来提高低照度图像的图像质量。其中,基于Retinex模型的LLIE算法增强的图
长期以来,传统的博士生普通招考在面向高层次人才选拔中暴露出初试制度僵化、复试流于形式的弊端。为改变这一现状,在借鉴国外博士生招生改革的经验基础上,我国部分高校开始了博士生“申请-考核”制改革的试点工作,期待探索一条以科研创新能力为选拔标准的招生改革之路。经过多年的努力,博士生招生“申请-考核”制虽在全国已得到广泛应用但也遭受诸多质疑。在全面深化研究生教育改革的背景下,怎样选拔出优质生源,如何提高博