【摘 要】
：
基底细胞癌是一种非黑色素瘤皮肤癌,国内发病率较高。其发展缓慢且不易察觉,临床上容易误诊、漏诊,但若及时确诊并手术,可有效防止复发和转移。在临床无法确诊的情况下,病理是医生诊断的金标准。另外,基底细胞癌病理图像的单张病理图像包含许多细节,有经验的病理医生在诊断时仍有很大难度。因此病理感兴趣组织区域的精准分割方法对患者病情评估和手术方案制定有重大意义。基底细胞癌病理图像中包括表皮区域、真皮区域、皮下组
论文部分内容阅读
基底细胞癌是一种非黑色素瘤皮肤癌,国内发病率较高。其发展缓慢且不易察觉,临床上容易误诊、漏诊,但若及时确诊并手术,可有效防止复发和转移。在临床无法确诊的情况下,病理是医生诊断的金标准。另外,基底细胞癌病理图像的单张病理图像包含许多细节,有经验的病理医生在诊断时仍有很大难度。因此病理感兴趣组织区域的精准分割方法对患者病情评估和手术方案制定有重大意义。基底细胞癌病理图像中包括表皮区域、真皮区域、皮下组织区域、病灶区域、毛囊区域和皮脂腺区域,这六类组织区域的分割是辅助医生诊断的关键。本文提出了一种基于改进DeepLab的多尺度分割网络,实现基底细胞癌病理图像感兴趣区域分割方法。首先,在病理图像的预处理阶段,增强图像亮度和对比度提高图像质量;并使用了滑动窗口方法将原图裁剪成小块,在解决大尺寸图像输入问题的同时保留了更多图像细节。其次,经对比分析FCN、U-Net、ICNet、DeepLab等分割网络,选择以Res Net101为特征提取部分的DeepLab网络作为基础模型;并在其基础上改进,运用了多尺度输入方法,缓解空间特征丢失问题,增强组织边界分割效果。之后,利用级联特征模块,平衡空间和语义特征,融合多尺度特征;引入大卷积网络模块和边界细化模块,提高组织类别精度;设计双通道注意力模块,提高细节特征激活程度,改善整体分割效果。最后,在后处理阶段,使用Bagging集成学习,减少网络过拟合。实验结果表明,改进后的网络能够准确地分割不同的组织区域边界,避免不同组织误分割,证明了该模型在基底细胞癌病理图像数据集上的可行性和有效性。在测试集中的m Io U精度达到了85.1%,相比基础DeepLab网络的m Io U提高10.3%。
其他文献
手持式触摸设备是人们日常生活的必需品,在使用过程中,用户更倾向于单手持握触摸设备,手持式触摸设备的交互任务可分为点击和滑动任务,点击常用作目标选择任务,而滑动任务常出现在浏览大篇幅内容的长浏览页面中。然而在单手持握的方式下面临着诸多难题,以至于在某些场景中不得已切换为一手持握一手操作或双手操作的方式,由于持握姿态的转变,用户需要将精力全身心的投入到与手持式触摸设备的交互中,而忽略了其自身的安全。为
从多帧二维声纳图像恢复出三维信息是水声三维重建的核心问题,而用于水声三维重建的声纳设备众多,不同的声纳器件有着不同的物理特性,声纳设备的差异化也提出了对重建算法的特定需求。本文主要针对宽孔径前视声纳和侧扫声纳两种声纳设备开展三维重建算法研究。论文取得的成果如下:（1）首先指出了一种从前视声纳多帧图像进行三维重建的方法。阐述了声纳图像方程及采用盲解卷积算法的含义,讨论了实际解算过程中需要考虑约束的具
随着工业界的蓬勃发展,涌现出很多大型现代化设备,这些大型设备可以提高工业的生产效率,促进社会发展,可以说人类的发展越来越离不开大型先进设备的支持。但是越是功能强大的设备,其机器结构越复杂且造价昂贵,大型现代化设备的使用时间越久,所暴露出的故障数量就越多,种类越广,复杂且多变。一旦设备出现自身无法解决的问题,唯一办法就是要找专业的维修专家来进行设备维修,推荐哪位维修专家来对该设备所发生的故障精准高效
多视角（MVS）深度估计利用多个视角的相机参数和图像序列获取每个视角的深度图,是从图像恢复三维空间结构的方法之一,应用于文物修复、三维打印等专业领域中。基于深度学习的MVS深度估计使用图形处理器构建卷积神经网络,对复杂环境的鲁棒性较高。基于深度学习的MVS深度估计在特征提取部分主要以二维卷积结构为主,提取特征时受二维卷积结构影响较大,可以改进特征提取结构提高精度。此外,由于基于深度学习的方法中间输
用于组织亚型划分和异常识别的细胞核分割既是细胞内部进行特征提取和分类的关键起点,也是建立细胞分布模型的基础,所以在病理图像中对细胞核的准确定位是进一步分析的重要内容。但由于细胞核具有重叠、边界不清等数据特点,现有的方法并不能很好地解决这些问题。因此,本文以细胞核病理图像为主要研究对象,利用深度学习的技术进行细胞核分割的研究。本文的主要研究内容如下:在细胞核病理图像预处理阶段,针对图像存在颜色不一致
随着我国工业生产水平的提高,工业生产自动化已经成为现代制造领域中最重要的技术之一,实现自动化是企业生产效率得以显著提升的一大途径。现如今大部分工厂对于工件的管理依然采用人工识别编号字符,再将信息录入系统的方式。传统的光学字符识别技术（OCR）主要应用于文档一类背景简单、文字清晰的字符识别上,虽然技术相对成熟,但对工件编号字符的识别普遍性能较差。近年来,深度学习技术已经在计算机视觉方向取得了显著的成
皮肤癌及各种色素性皮肤病正在严重威胁人类健康。目前皮肤科医生主要通过观察分析皮肤镜图像病灶特征进行色素性皮肤病的诊断。由于不同类别的皮肤病病灶差别较小,医生通过裸眼观察的方式很难判断出病灶的类别。另一方面,随着大数据技术的发展,医学数据爆炸式增长,大量的皮肤镜图像数据使皮肤科医生不堪重负。因此,利用已经确诊的皮肤病数据库中的病例数据实现相似图像的高效检索的研究具有重要意义。本文以ISIC2018皮
单幅图像的多光谱图像重建技术是指利用算法将3通道的RGB图像重构为相应的多通道的光谱图像,多光谱图像相比于RGB图像包含的信息更丰富,更易发现图像背后隐含的信息。因此,多光谱图像重建技术在军事目标检测、视频侦查监控、艺术品修复等领域得到广泛应用。基于深度学习的光谱图像重建算法是指通过建立一个端到端的网络模型,学习从RGB图像到光谱图像的映射关系。卷积神经网络凭借其强大的特征提取能力,成为光谱图像重
随着科技的进步和市场的需求,声阵列定位技术成为阵列信号研究领域的一大热点。声阵列定位系统是利用声传感器阵列采集声音信号数据,再利用声源定位算法对采集的声音信号进行处理从而得到声音信号的位置。目前,传统声阵列定位系统存在着体积大、功耗高、结构复杂等问题;声源定位算法有着运算时间长,无法满足实时性要求的问题。针对以上问题,本文采用数字声传感器与ZYNQ平台相结合的方案,设计了体积小、功耗低、拓展性强的
对联是中华民族独有的一种艺术表达形式,具有悠久的历史和深厚的文化底蕴,其独特的韵律和言简意赅的语言风格受到人们的广泛喜爱。由于对联具有对仗严格、用语凝练的特点,使其自动创作方法的研究面临更大的难度和挑战。近年来,一些基于深度学习的对联自动生成方法在生成速度、结果可读性等方面取得了一定提高,但仍存在长对联生成效果差,成语对仗较差等问题有待深入研究和解决。以进一步提高对联生成结果对仗结构的工整性和上下