【摘 要】
：
阴道微生态病理图像是诊断细菌性阴道病的重要依据,但对其人工分析需要花费大量时间精力,导致诊断效率不高,因此需要寻求针对病理图像的自动诊断新方法.本文提出一种阴道微生态病理图像自动诊断模型ResLab,该模型以阴道微生态病理图像作为训练数据集,利用深度学习技术对病理图像进行端到端分析,预测Nugent评分,辅助医生进行分级诊断.为提升模型预测的精确率,本文综合采用多种方法对模型加以改进,包括增加网络
论文部分内容阅读
阴道微生态病理图像是诊断细菌性阴道病的重要依据,但对其人工分析需要花费大量时间精力,导致诊断效率不高,因此需要寻求针对病理图像的自动诊断新方法.本文提出一种阴道微生态病理图像自动诊断模型ResLab,该模型以阴道微生态病理图像作为训练数据集,利用深度学习技术对病理图像进行端到端分析,预测Nugent评分,辅助医生进行分级诊断.为提升模型预测的精确率,本文综合采用多种方法对模型加以改进,包括增加网络层数以提取更深特征,采用两个小卷积核叠加以增大感受野,减少ReLU激活层以降低复杂性,用最大池化层替换平
其他文献
随着深度学习以及图像识别技术的不断发展,图像识别技术的应用越来越广,其中就包括农作物病害的识别。已有的成熟神经网络架构多数是为了识别大的数据集而设计,拥有大量参数从而导致占用大量存储空间、运行时间较长,难以在存储空间与处理器性能有限的移动设备上使用,以及在农作物病害识别研究中,部分农作物病害的样本量较少。针对上述问题,采用轻量化的卷积神经网络和较少的叶片样本,最终训练出识别精度较为理想的模型。相同
针对传统的神经网络在图像超分辨率重建过程中大多仅使用图像的空间域信息,生成的图像容易丢失重要细节,提出一种基于小波变换和深度残差网络相结合(WRSR)的方法。首先将图像进行二维离散小波变换后作为深度残差网络的输入,然后结合局部残差学习和全局残差学习改进残差网络,减少了梯度消失现象,提高了信息传递效率,最后利用多尺度卷积核提取丰富的特征纹理信息,经小波逆变换得到重建的图像。实验结果表明,该方法的重建
针对20 kg级微纳光学遥感卫星微型化视频相机要求,详述了其光机系统的设计、装调和试验,以及所使用的集成优化设计技术。该相机采用卡塞格林结合校正镜的光学系统,包括两个反射镜和一个校正镜组,为了获得最优的力热稳定性,反射镜采用了碳化硅材料。首先,基于20 kg级微纳视频卫星的任务及总体设计,提出了其所搭载的视频相机的指标要求;然后,分别介绍了该视频相机光学和光机结构系统;为了进一步提高轻量化率,在满
目的基于个体化三维重建的术前主动脉根形态学评估是经导管主动脉瓣置换术安全开展的重要保障。然而,个体化三维重建中的图像分割环节主要依赖人工操作,效率低下且分割一致性难以保证。针对该问题,利用深度学习方法实现对主动脉根的快速、准确自动分割。方法首先,选取95例患者胸腹部CT影像,进行标注、图像增强、分割子体积等预处理,
深度学习(deep learning)是由复杂结构或非线性转换组成的多层神经元对数据高级抽象后进行建模分析的一种方法。深度学习作为机器学习的一个分支,更善于发掘出高维数据的潜在特征,在训练过程中可以自动学习数据的高级特征。目前,深度学习可以有效地从医学影像中提取相关特征信息,从而进行鉴别诊断和病变评估。深度学习有多种重要的网络模型,有着不同优势和适用范围。
为了提高对环境区域的异常行为辨识能力,提出基于异常行为辨识的移动ad hoc网络安全监控系统设计方法。设计的异常行为视频辨识ad hoc网络安全监控系统分为视频图像信息采集模块、总线编译模块、人机交互控制模块、HTTP-FLV视频特征分析模块、WS-FLV总线交互模块、WebRTC等,采用汇聚总线控制模块中,将RTSP协议转换成HLS和支持ad hoc网络的WebRTC连接协议,通过视频输入接口,
针对目前接触式传感器、电弧传感器和超声波传感器等在焊缝检测中存在的精度低、适应性差等缺点,提出一种基于改进Faster R-CNN的焊缝检测方法。使用改进后的ResNet-101CNN获取焊缝图像特征图,利用全卷积网络RPN生成目标候选区域,目标候选区域和CNN产生的特征图经过ROI Pooling层得到固定大小的特征图,最后经过全连接层的处理进行焊缝的识别和定位。对不同样本数量的训练结果进行对比
油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计。然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度。该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特
图像拼接旨在将多张具有重叠区域的图像拓展成视野更加宽广的全景图,当输入的图像不满足原本严格的成像前提的时候,往往无法进行拼接,即使强行拼接,也可能造成不自然的扭曲以及影响观感的伪影.以往的拼接算法通过计算刚性变换来实现对齐,而通过计算非刚性变换可以在一定程度上提高对齐效果.受医学图像使用人工标记点配准的启发,提出一种基于薄板样条配准和全局相似的图像交互拼接的方法.首先通过交互标记点计算非刚性变换将
针对红外与可见光图像尺度差异大、图像较模糊,且图像中可提取的特征点数量不足以及特征分布不均匀易导致现有配准算法失效的情况,提出一种结合滚动引导滤波和相位信息的红外与可见光图像配准方法。利用滚动引导滤波构建尺度空间,在不增加耗时的前提下尽可能保持图像边缘信息;提出一种改进的Shitomasi角点检测算法,提取具有尺度不变性且分布均匀的强角点;在特征描述阶段,给出一种新的加权函数进行频率扩展,以得到更