基于iOS手机客户端的病理图像分析软件

发布时间：2021-09-17 04:02

　　近年来,计算机视觉技术在实际生活中的落地应用越来越多,一定程度上推动了安全领域、交通领域、军事领域等诸多行业的发展。在医疗领域,随着各种医学影像的数字化程度加快,有越来越多的研究人员关注计算机视觉与医学影像领域的结合。在临床中,病理诊断被称为肿瘤良恶性判别的金标准。但病理图像特征复杂容量大,专业病理医生的阅片工作负担较为繁重。因此,计算机辅助医生进行病理分析就有了重要意义。本文基于计算机视觉技术对乳腺癌病理图像进行分割和分类研究,并开发了一款基于iOS移动客户端的病理图像分析标注软件。主要研究工作包括以下两部分:（1）针对乳腺癌淋巴结转移的病理数据集特征,提出了基于卷积神经网络的淋巴结构可知性分析方法,将研究任务分为提取淋巴结构的图像分割和判定淋巴结癌变转移程度的图像分类两部分。在图像分割任务中,对目前常用的提取病理图像感兴趣区域的阈值分割方法进行研究和实践,并通过基于全卷积网络的语义分割方法改进实验结果,从而获取了较精确的淋巴组织结构。在图像分类任务中,由于病理数据的像素容量较大,我们设计了一个两阶段分类实验。第一阶段在淋巴区域内切割小块病理图像,进行基于卷积神经网络的病变与非病变的... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 计算机算法在数字病理图像领域的应用研究
        1.2.2 远程病理与移动健康医疗发展现状
    1.3 本文的主要研究内容和内容安排
        1.3.1 主要研究内容
        1.3.2 本文内容安排
第2章 计算机辅助分析病理图像的相关研究
    2.1 引言
    2.2 阈值分割算法基本原理
        2.2.1 图像的分割基准
        2.2.2 自适应阈值分割算法
    2.3 人工神经网络
    2.4 卷积神经网络
        2.4.1 卷积神经网络结构概述
        2.4.2 卷积层
        2.4.3 池化层
        2.4.4 全连接层
    2.5 卷积神经网络的图像分类和图像分割
        2.5.1 基于传统卷积神经网络的图像分割
        2.5.2 基于全卷积网络的图像分割
    2.6 本章小结
第3章 基于卷积神经网络的乳腺癌淋巴结病理分析
    3.1 引言
    3.2 实验数据介绍
        3.2.1 实验数据来源
        3.2.2 乳腺癌淋巴结转移的医学评价标准
    3.3 图像分割和分类数据集构建
        3.3.1 基于Otsu自适应算法的阈值分割
        3.3.2 基于全卷积网络的语义分割方法
    3.4 小块图像的病变分类
        3.4.1 迁移学习
        3.4.2 Inception网络简介
        3.4.3 实验
    3.5 全局图像的特征提取
        3.5.1 随机森林原理介绍
        3.5.2 实验
    3.6 本章小结
第4章 基于iOS的病理图像分析标注软件
    4.1 引言
    4.2 iOS开发相关介绍
        4.2.1 iOS平台简介
        4.2.2 iOS的系统架构
        4.2.3 iOS的开发环境及开发语言
        4.2.4 iOS应用程序的生命周期
        4.2.5 MVC设计模式
    4.3 软件功能需求分析
        4.3.1 相关软件简介
        4.3.2 需求分析
    4.4 软件设计与实现
        4.4.1 图像分析预测模块实现
        4.4.2 图像标注记录模块实现
    4.5 系统测试
        4.5.1 测试环境
        4.5.2 功能测试
        4.5.3 性能测试
        4.5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3397926