基于单目的胃肠图像深度估计方法研究

发布时间：2022-12-24 09:53

　　胃肠病是人们在生活中常见的疾病。目前,一种常见的胃肠病的诊断和治疗方式为导入胃窥镜来观察。深度估计是为内窥镜导航系统提供距离信息的重要手段。然而,组织多样性和血管纹理等干扰给深度估计的精度带来了很大挑战。为了更好地提供距离信息,本文从两个方面研究深度估计方法——监督学习和自监督学习。首先,本文使用的监督学习方法要求图像的深度图参与训练,利用卷积神经网络来实现深度估计。使用了两种监督训练方式,一种方式是使用单目胃肠图像实现监督学习,利用ber Hu损失函数作为监督对象。第二种方式是使用双目胃肠图像实现监督学习,提出左右视角一致性损失函数。虽然使用双目胃肠图像参与训练,但是在测试阶段和实际应用时仍然利用单目图像。左右视角一致性损失函数的原理是将双目深度图转换到同一坐标系下,最小化两者之间的差异。以上两种监督方式均使用多尺度损失计算,并且设计了一种新的解码结构。除此之外,本文把注意力机制引入深度估计任务中,以提高深度估计的精度。具体地,重新设计了通道注意力机制和空间注意力机制,并且将它们合理的嵌入到卷积神经网络中。其次,针对深度图标签不足或者无法提供的情况,本文利用了自监督学习的深度估计方法... 

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题来源
    1.2 课题研究的背景和意义
    1.3 国内外研究现状
        1.3.1 胃肠镜图像领域研究现状
        1.3.2 自然图像领域研究现状
        1.3.3 国内外文献综述简介
    1.4 课题研究的主要内容及章节安排
第2章 胃肠图像预处理和深度估计方法
    2.1 实验数据
    2.2 数据预处理
        2.2.1 数据清洗
        2.2.2 数据扩增
        2.2.3 数据集划分
    2.3 深度估计方法概览
        2.3.1 单目估计与双目估计
        2.3.2 监督学习与自监督学习
        2.3.3 本课题模型概览
    2.4 评价指标
    2.5 实验环境
    2.6 本章小结
第3章 基于监督学习的胃肠图像深度估计方法
    3.1 引言
    3.2 基于单目视觉训练的单目深度估计
        3.2.1 编码解码结构设计
        3.2.2 berHu损失函数
    3.3 基于立体视觉训练的单目深度估计
        3.3.1 双目视觉训练策略
        3.3.2 左右视角一致性损失函数
    3.4 结合注意力机制的监督学习深度估计
        3.4.1 通道注意力模块
        3.4.2 空间注意力模块
    3.5 实验结果与分析
        3.5.1 预测结果后处理
        3.5.2 结果分析
    3.6 本章小结
第4章 基于自监督学习的胃肠图像深度估计方法
    4.1 引言
    4.2 基于双目训练的自监督单目深度估计
        4.2.1 双目视觉自监督训练策略
        4.2.2 重建损失函数和平滑损失函数
    4.3 结合注意力机制的双目自监督深度估计
    4.4 实验结果与分析
        4.4.1 视差评价指标
        4.4.2 结果分析
    4.5 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它成果
致谢


【参考文献】：
期刊论文
[1]高中生生活习惯对胃病的影响分析[J]. 段玉冰.  中国新通信. 2019(08)
[2]青少年胃病产生机理及常见影响因素研究[J]. 王琳萱.  现代商贸工业. 2019(06)

硕士论文
[1]鼻胃镜的临床应用及评估[D]. 于洪.青岛大学 2010



本文编号：3725980