小样本条件下鲁棒的乳腺肿瘤分类关键技术研究

发布时间：2024-01-31 20:20

　　目前,乳腺癌已经成为女性健康的最大威胁之一,早诊断、早治疗是治愈乳腺癌的关键。超声图像是乳腺癌早期辅助诊断的有效手段。然而,基于超声图像的乳腺癌自动分类任务仍然面临两个主要的挑战:(1)光照、成像设备参数等因素将会导致乳腺肿瘤图像存在较大的类内差异性,容易导致分类错误。(2)实际操作中,标注大量的乳腺超声肿瘤图像是很困难的。这使得研究工作只能在尺寸较小的标注样本集上开展,从而容易带来模型过拟合问题。针对上述问题,本文重点进行了小样本条件下乳腺肿瘤图像的鲁棒分类关键技术研究工作。主要内容如下:本文研究了一种新的局部参考相似性编码(Local Reference Similarity Code Network,LRSCnet)网络。首先引入基于类别的距离损失函数,构建新的局部结构提取器,用于学习包含类别信息的局部参考。其次,提出了一种层次编码器,包含相似性学习模块和局部—全局转换模块。在第一阶段,相似性学习模块通过引入神经网络来学习局部图像块与局部参考之间的局部关系。在第二阶段,局部—全局转换模块将局部关系描述进一步转换为局部参考相似性编码,可用于描述图像与局部参考的全局关系。最后,构建了...

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

图２－１卷积运算过程??

?山东大学硕士学位论文???第２章相关方法概述??２．１卷积神经网络??近年来，深度学习在图像识别［６８，?６９，?８１，８２，?８３］、自然语言处理［８４，??８５，?８６，?８７，?８８，?８９］、语音识别［９０，?９１，９２，?９３］等多个领域取得了较大的突??破。相比于普....

图２－２卷积神经网络最大池化过程??

?山东大学硕士学位论文???积核的大小）上进行特征的提龋如图２－１所示，给定输入矩阵Ｉ和卷积核Ｋ，??得到卷积输出。将３Ｘ３的卷积核核Ｋ与输入矩阵逐元素地相乘以得到输出卷??积矩阵中的一个元素。所有其他元素都是通过在Ｉ上滑动窗口获得的。一个卷??积层可以有若干个卷积核，卷积核的通....

图２－３孪生网络的结构??－

?山东大学硕士学位论文???Ｅｗ??Ｄｉｓｔ？ｉｎｃｃ（Ｃ＾（Ａｒｊ）ｌ?＾＾（＾２））???１?Ｉ??Ｗ???｜＾＾ｎ｜ｊ?？??Ｎｅｔｗｏｒｋ」?Ｎｅｔｗｏｒｋ—２??＾?Ａ??图２－３孪生网络的结构??图２－３给出了孪生网络的结构。图中Ｎｅｔｗｏｒｋ＿ｌ和Ｎｅｔｗｏｒｋ＿２....

图２－４孪生网络用于手写字体的分类??图２－４给出了一个用孪生网络进行手写体识别的例子

?山东大学硕士学位论文???５．输出样本对中的第一幅图像特征向量与样本对中的第二幅图像特征向量，??根据损失函数计算出输出样本对的误差。??６．根据链式求导法则依次从后向前算出中间各层权值需要的调整量和阈值??的调整量。??７．根据上一步的计算结果，调整权值和阈值。??８．查看ｌ....

本文编号：3891487