【摘 要】
:
在早期筛查宫颈癌中,现在最常用的方法即细胞学检查法,该方法的普及推广使得发病率和死亡率大大降低了。然而排查过程的工作量较大而且专业医师紧缺,所以发展出了计算机辅助细胞学检测技术来帮助医师判别宫颈病变程度。该技术通过自动扫描宫颈涂片进行诊断,评价标准客观且其结果具有较高的临床实用性和可靠性,十分有利于提升宫颈癌筛查效率。近几年来深度学习在医学图像领域中取得了不错的成果,前人在宫颈细胞分类上已经做了很
论文部分内容阅读
在早期筛查宫颈癌中,现在最常用的方法即细胞学检查法,该方法的普及推广使得发病率和死亡率大大降低了。然而排查过程的工作量较大而且专业医师紧缺,所以发展出了计算机辅助细胞学检测技术来帮助医师判别宫颈病变程度。该技术通过自动扫描宫颈涂片进行诊断,评价标准客观且其结果具有较高的临床实用性和可靠性,十分有利于提升宫颈癌筛查效率。近几年来深度学习在医学图像领域中取得了不错的成果,前人在宫颈细胞分类上已经做了很多工作。但是分类准确率上还有提高的空间,分类算法的实用性也有待加强。本文将生成对抗网络与分类网络结合,从多个方向提高分类准确率。本文的主要工作如下:1、为了在数据集过小时更好的训练卷积神经网络,通过训练GAN(生成对抗网络)生成新的样本进行图像数据增强。扩充后的数据集应用于训练图像分类模型,得到了不错的效果。针对Herlev宫颈细胞数据集的二分类问题,本文首先使用原始训练集训练GAN,生成了大量高质量的高分辨率细胞图像,将每类训练集扩充到24000例。然后使用扩充后的训练集进行分类网络训练,在Res Net迁移学习的验证集准确率高达97%,高于仿射变换扩充的数据集的训练结果93%,可见本文方法可以有效地实现图像的数据增强。2、为了改善宫颈细胞图像分类的准确率,提高分类模型在低分辨率下的分类表现,本文使用同济医院提供的宫颈细胞数据集,设计了结合SRGAN超分辨网络以及Res Net网络的联合分类网络。实现了同时进行超分辨与分类的工作,并在训练过程中使用最终分类的loss值更新整个网络的参数。超分辨图像抽样以及5折交叉验证结果表明,本文网络在实现高性能超分辨的前提下对于宫颈细胞的多分类准确率提升很大,比第二名的方法提高了2.8%。3、为进一步提高宫颈细胞图像分类的准确率,本文将卷积神经网络与手动提取的细胞生物学特征结合起来,使最终的分类效果得到了明显提升。细胞图像的吸光度是判断细胞病变程度的重要指标之一,它将正常细胞的吸光度均值作为标准,从而得到其他细胞的相对吸光度。本文将此特征加入Res Net网络的全连接层并训练新的网络,相对于原始Res Net网络,分类准确率提升明显。5折交叉验证结果表明,总准确率比单独使用卷积神经网络分类的准确率高3.6%。
其他文献
在车辆智能化驾驶的过程中,车道线检测是环境感知的重要技术内容之一。以车道线检测技术为基础实现的车道偏离预警和车道保持等高级辅助驾驶系统,能够有效减少事故碰撞的风险。在自动驾驶车辆中,车道线检测技术作为辅助手段,为其指明行车区域。本文对车道线检测技术的研究现状进行了总结,探讨了车道线在图像中所表达出来的特点及检测难点。顾及车道线检测实时性、准确性和鲁棒性的要求,结合相机成像模型,提出了基于灭点方向的
K最短路径(K Shortest Path,KSP)问题是指在给定的起点和终点间寻找前K条最短路径,一直是交通地理信息系统(Geography Information SystemTransportation,GIS-T)领域的热点研究问题之一,同时在物流规划、导航系统、文本处理等领域有广泛的应用。作为智能交通领域的一个基本研究问题,K最短路径问题可作为一项基本服务,为出行者提供多种路径导航服务。
随着全球空气污染和温室效应形势日益严峻,低碳城市建设在世界范围内受到重视。目前关于低碳城市规划的研究中,对于低碳生活情境下居民生活便利程度尚缺乏有效的评价指标与描述方式。可达性作为城市规划领域的重要概念,被广泛用于城市交通规划、城市公共设施选址分布和公平性评价等领域,使城市居民享有更高的可达性是城市规划的目标之一。在传统的可达性研究中,常以时间作为度量指标。如果使用车辆排放作为约束资源,将从低碳出
由于电离层中的场向不均匀体(field-aligned irregualrities,FAIs)会造成无线电信号幅值和相位的快速起伏从而影响卫星通信及导航定位系统的精度,因此研究电离层不均匀体的定位及其产生机制具有非常重要的意义。本文利用我国子午工程海南富克台站的甚高频相干散射雷达和海南数字测高仪的探测数据,对场向不均匀体的特性进行了观测研究,包括结合国际参考磁场(IGRF)给出了一个应用于海南V
地球辐射带是日地系统中的一个重要空间区域,充满被地磁场捕获的能量粒子,对在轨卫星和宇航员的安全带来潜在威胁。虽然卫星观测能得到不同能量段和投掷角范围的辐射带电子观测数据,但具有固有的时空局限性。比较而言,数值模型能基于一定的物理机制模拟辐射带电子动力过程及其完整的时空动态变化。但是数值模型结果只是真实状态的近似,并不能替代卫星实际观测。因此,本研究利用数据同化方法将物理模型和观测数据有机融合,分别
为了能够获悉海洋资源状况,确保海洋安全,人类迫切需要对海洋状态进行准确监测。如何及时、高效、低成本、自动化的对船只的类别和位置进行检测,对于海洋安防工作具有很大的应用价值和研究意义。随着计算机视觉技术的不断发展,基于监控视频的船只目标检测成为领域研究的热点,引起了国内外学者的广泛关注。而卷积神经网络(CNN)在自然图像分类和目标检测方面的巨大成就,让很多国内外学者放弃传统的基于人工预定义特征的方法
基于范阿伦双星的高质量波动和粒子观测数据,我们发现有一类磁声波与背景等离子体密度变化有很强的关联性,具体表现为:当开始观测到磁声波时,背景等离子体密度同步下降;之后当不再观测到磁声波时,背景等离子体密度又同步上升。整个过程中背景等离子体密度呈现槽区特征。针对该类磁声波现象,本文从伴随背景等离子体密度下降的磁声波的统计分布特性、激发机制及其对辐射带电子的散射作用三部分展开系统、详细的研究,得到的结论
平流层爆发性増温(Stratospheric Sudden Warming,SSW)是发生于冬季半球极区平流层的一种特殊的大气现象,期间全球大气的温度和风场均会受到不同程度的影响。对流层行星波上传至平流层并与背景大气发生相互作用被认为是SSW的重要激发机制之一,因此研究SSW期间对流层和平流层内的行星波活动有助于我们深刻理解増温事件的动力学过程。本文使用2008年12月至2009年4月美国阿拉斯加
遥感影像车辆检测在国防军事,交通安全,城市规划,土地资源利用等领域具有重要的理论研究意义和实际应用价值。本文针对遥感影像特性,基于深度学习理论框架,从基于单应性的数据增强,多尺度特征融合,难分样本挖掘算法以及基于循环生成对抗网络的低分辨率遥感图像目标检测算法等方面进行探讨,以提高现有遥感影像车辆检测性能。早期的遥感影像车辆目标检测主要为基于模板匹配的方法,参数量大、对车辆目标的形状位置等比较敏感,
实现无控条件下的全球大比例尺测图一直是高分辨对地观测中亟需解决的问题,卫星激光测高技术为解决这一问题提供了重要的思路,但前提是测高数据产品至少具有分米量级的绝对高程精度。受载荷器件、大气环境、地表目标特性等多种因素影响,对地观测卫星激光测高的原始数据误差大,其中的大气延迟、固体潮汐、大气散射等单项测距误差大幅超过指标要求;受运行热量和震动因素影响,卫星在轨期间的角度系统误差将带来高程方向米量级、平