基于多任务学习的肿瘤医学影像语义分割与分类研究

发布时间：2024-03-17 01:15

　　乳腺癌是全世界女性中最常见和最严重的癌症之一,发病率自上世纪70年代以来一直呈上升趋势,并且已经成为世界上被诊断数量最多的女性癌症。在传统的超声检查中,医生根据超声图像,结合自己的专业知识及临床经验进行诊断,主观性较强,且会受到其他身体组织和阴影等其它干扰,因此会存在漏诊或者误诊,故临床诊断需要引入计算机辅助设计,可以减少人为干预,进而提高诊断性能。如今大部分计算机辅助设计系统都利用深度学习进行医学图像处理,大部分深度学习算法都需要大量的数据集来支撑模型的训练,以便得到较好的效果,由于乳腺超声图像的特殊性,可获取的样本很难满足深度学习算法的硬性需求,故使用一般的深度学习方法进行乳腺超声图像处理时无法取得良好的效果。因此本文主要研究如何在样本较少的情况下,利用多任务学习算法,实现较好的乳腺超声图像语义分割与分类,进而更好地辅助医师进行乳腺癌的诊断。本文首先对医学超声图像分割及分类的国内外研究现状进行分析,对比各算法的优缺点,以此为基础提出基于多任务学习的乳腺超声图像分类和语义分割思路,卷积神经网络擅长图像级别的分类,利用该算法进行乳腺肿瘤良恶性判断,U-net网络可以实现像素级别的分类,...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图2-1神经元模型

规律对未知数据进行预测，机器学习的应用遍及人DeepLearning）是机器学习的子类，灵感来源于人深度神经网络来解决特征表达的学习过程，其阶层的对其构筑中的参数进行更新以达成训练目标，该过深度学习发展迅速，在人像识别、机器翻译、自动。括生物神经网络和人工神经网络(Artifi....

图2-2多层感知器模型

哈尔滨工业大学工程硕士学位论文进行全连接的单层感知器（Perceptron）模型，此模型较为简单，故只能做线性分类任务，无法解决异或类型的分类任务，且计算层增加到两层，计算量过大，没有非常有效的学习算法，虽然如此，感知器模型为之后的神经网络提供了思路，此模型也是神经网络的基础。人....

图2-3卷积过程示意图

哈尔滨工业大学工程硕士学位论文为“宽卷积”。积过程及卷积层示意图如2-3、2-4所示，对32×32×3的彩色图像，采层深度为6）5×5×3的卷积核，步长为1，不进行填充，则得到28×2接着采用10个5×5×6的卷积核进行运算，得到24×24×10的特征....

图2-4卷积层示意图

接着采用10个5×5×6的卷积核进行运算，得到24×24×10的特征图。如上所述，卷积层就是对原式特征逐步进行浓缩，最终得到可靠的特征，利用最后一层特征就可以做分割及分类。在卷积神经网络中，一般会在卷积层后加入激活函数，以此来表达非线性因素，具体如2.2.2小节所....

本文编号：3930292