【摘 要】
：
近年来,深度学习在医学领域具有重大的研究价值和实际应用。医学影像检测与分割是计算机视觉的一项基本且关键的方向。从像素级别检测与分割出病变区域与目标组织,器官。而基于深度学习的目标检测与图像分割逐渐在医学影像领域应用广泛。在泌尿系统中,膀胱癌属于高发癌症。最近几年上升趋势明显。早期膀胱癌的主要特征为图像分辨率较低,膀胱癌图像分割精度不高,特征提取困难等。本文深入研究了膀胱癌检测与图像分割等关键技术并
论文部分内容阅读
近年来,深度学习在医学领域具有重大的研究价值和实际应用。医学影像检测与分割是计算机视觉的一项基本且关键的方向。从像素级别检测与分割出病变区域与目标组织,器官。而基于深度学习的目标检测与图像分割逐渐在医学影像领域应用广泛。在泌尿系统中,膀胱癌属于高发癌症。最近几年上升趋势明显。早期膀胱癌的主要特征为图像分辨率较低,膀胱癌图像分割精度不高,特征提取困难等。本文深入研究了膀胱癌检测与图像分割等关键技术并对以上问题进行解决。本文依托于膀胱癌检测与图像分割的科研项目,以膀胱癌变组织检测与分割作为该项目的主要工作。本文的主要内容有,在总结传统方式对膀胱癌检测与图像分割不足的基础上,以改进YOLOv4检测网络与U-Net分割网络来实现对膀胱癌组织的检测与分割。具体做了如下工作:一、本文使用一系列数据增强方法针对膀胱癌数据集样本数量不足的问题进行有效扩充,通过调整参数数值使数据扩充方法的效果达到最佳。并且通过不同数据扩充样本的对比实验来展示数据扩充的有效性。二、总结传统目标检测算法检测膀胱癌组织的不足,其中代表性算法有Faster R-CNN和SSD。本文通过实现上述算法,对比准确率和可视化结果。针对膀胱癌肿瘤的特点,选取YOLOv4算法。为了使YOLOv4算法能够更好地表达模型并减少参数量,提出使用ASPP模块替换SPP模块进行优化以增加感受野的同时减少参数。在检测部分使用全连接注意力（Fully Connection Block Attention Module,FCBAM）模块以更好关注图像的重要特征,提高检测精确度。通过对比实验证明改进后YOLOv4算法的有效性。三、针对原始的U-Net图像分割算法特征提取能力不足的问题,本文提出一种基于密集连接机制的膀胱癌分割算法,利用不同层的特征信息以提取不同层次的特征,并在最后层加入ASPP模块,以更好的提取特征。该算法有效弥补了U-Net网络结构高层语义特征与底层视觉之间的差距。通过对比实验证明改进后U-Net算法的有效性。四、最后,对本文的工作进行总结和思考,并对未来的工作进行展望。
其他文献
随着我国渔业经济的逐步发展,渔业产值的逐年上升,我国众多渔船的安全性受到关注。船舶交通服务系统（Vessel Traffic Service System,VTS）、甚高频数字交换系统（VHF Digital Exchange System,VDES）利用船舶自动识别系统（Automatic Identification System,AIS）等通信设备将在航船舶显示在电子海图上以进行监控和跟踪,
由于船舶自动识别系统（Automatic Identification System,AIS）本身固有的脆弱性问题,非法使用AIS设备的船舶频繁出现,严重影响了船舶航行安全。为保护海上AIS信道,保障AIS信息准确性和可信度,需要针对AIS甚高频数据链路（VHF Digtial Link,VDL）电文进行获取、分析和识别。为此,本文基于AIS大数据的智能分析,构建船舶信息多源识别模型,以剔除虚假信
“十四五规划”加快建设交通强国,对海事信息系统提出新的更高的要求,目前已有的处于独立或半独立状态的海事监控系统已不能满足航运发展的新要求。海事监管系统独立工作造成了系统之间协调性差、数据整合和信息交互能力差,海事监管工作量大、成本高、效率低、违章取证困难,监管人员不能很好地实时掌握海上现场态势和现场船舶状态。所以充分发挥各监控系统优势研发一体化的监控系统意义重大。本文分析了海事监管、海上违章取证、
视觉目标跟踪技术是当前计算机视觉领域中的一个研究热点,随着智能船的发展,视觉舰船目标跟踪技术被认为是智能船视觉感知的基本任务之一,根据海上监视视频进行船舶跟踪可提供各种海上运动信息,这将大大有利于远程海上交通管理和异地执法等。本文先对长期相关性跟踪（LCT）算法进行尺度估计和特征提取方面的改进,然后将改进后的算法应用在舰船目标跟踪场景下,依据舰船场景的特点对算法做进一步改进,使跟踪算法在舰船场景下
高光谱遥感是将成像科学和光谱分析相结合的多维信息获取技术,高光谱图像提供丰富的目标光谱和空间信息,为民用和军事等领域中的图像分类问题带来了新的技术突破。实际应用场景中,高光谱遥感成像技术存在以下问题:一是高光谱数据呈现高相关性、冗余问题,二是空间信息利用不足问题。本文针对高光谱图像分类面临的问题,开展基于稀疏活跃度的高光谱图像谱空分类方法研究。首先在光谱信息处理层面,基于表示模型的分类过程进行研究
文本分类是自然语言处理领域的一个经典任务。随着信息技术的高速发展,复杂多样的文本信息层出不穷,日渐丰富。如何对海量的文本数据进行准确分类,成为目前的研究热点。虽然传统的深度学习方法在文本分类任务上取得了一定的研究成果,但是探索更优越的文本分类方法仍然是研究者需要思考的问题。近期图神经网络进入了研究人员的视野,它在自然语言处理领域的各项任务中都表现出卓越性能。但是图神经网络没有充分考虑包含不同类型节
海岸带检测在海域使用管理领域具有重要价值,传统方式利用实地勘测费时费力,而遥感技术为其提供了有效解决手段。其中多光谱图像包含丰富的光谱信息而发挥重要作用。在海岸带区域中,海岸盐田和养殖池是两个重要的研究对象。两者在光谱和空间结构具有一定相似性,分别提取两者是一个挑战性难题。已有盐田提取算法仅能提取盐田的结晶池,无法有效提取蓄水池盐田,从而无法获得完整盐田信息,且其提取盐田结晶池会带来混浊水体的养殖
由于复杂的水下环境以及光在水中的衰减,相机拍摄的图像质量严重衰退,会出现色偏、模糊、对比度低等退化现象。这些退化的水下图像在显示和分析时存在一定的局限性,例如,模糊度高,色偏严重的水下图像会大大降低对海洋生物识别的准确率。因此,为了克服退化的水下图像的局限性,得到高质量的水下图像,水下图像增强技术显得尤其重要。基于该问题,本文在循环一致性对抗网络的基础上提出一个改进的生成对抗网络模型,该模型能在保
随着社交媒体和京东淘宝等在线交易方式的日益普及,越来越多的消费者开始评论他们所购买的产品。提取评论中的观点和情感词,可以帮助商家准确、客观地获得大量的用户评价,有利于提高产品质量,不断优化经营策略,增强竞争力。然而,这些评论数量巨大,单靠人的浏览和阅读很难系统地整理出所有用户的评价、并从中提取出有价值的信息。因此,如何运用自然语言处理技术从这些海量的非结构网络评论数据中挖掘出有用的知识和有价值的信
在移动互联网时代,可获取的用户数据类型和数量急剧增加。尽管这为用户体验设计提供了强大的支持,但它也对用户数据的管理和分析提出了重大挑战。如何使产品用户体验工程师从这些数据中发现隐藏的规律并提取有价值的信息,已经成为亟待解决的问题。为了响应用户研究工具CAUX上的用户数据分析的需要,本文作者进行了一个用户数据可视化工具的需求、设计、开发和评估。用户体验工程师执行的用户数据分析是一项高度复杂的任务,为