基于卷积神经网络的结肠病理图像中的腺体分割

发布时间：2017-10-13 17:05

  本文关键词：基于卷积神经网络的结肠病理图像中的腺体分割

  更多相关文章： 结肠病理图像 卷积神经网络 编解码 腺体分割

【摘要】：病理全切片扫描设备的普及使得病理样本数字化成为可能,对数字化病理图像进行计算机辅助诊断是现在医学图像领域的研究热点之一。腺体是病理图像中的关键组织结构,对其进行分割提取是后续进行计算机辅助诊断的重要前提。但是由于腺体形态的多变性,且恶性及良性的腺体呈现出不同的图像特征,使得传统的分割方法存在很大的局限性。本文提出了一种更具通用性的基于卷积神经网络的病理图像腺体分割方法,通过学习专家数据集中不同类型腺体的图像特征,从而实现对腺体区域的自动分割。本文首先使用Warwick-QU数据集,建立了用于结肠腺体分割的样本库,通过实验说明了卷积神经网络作为像素点分类器的有效性,最后配合滑动窗口和形态学后处理得到分割结果,但是存在冗余计算和空间信息利用率低的问题。针对这一问题,优化卷积神经网络结构,通过给卷积神经网络配套上相应的解码网络,使得输入图像只需一次通过网络就能得到每个像素点的分类结果,降低了计算的冗余性,大大提高了病理图像的腺体分割速度。基于编解码结构卷积神经网络的分割方法,带来了邻近腺体间的粘连现象。针对这一问题,对专家标定图进行腐蚀处理,再重新训练用于分割任务,提高了分割效果。本文所使用的方法,突破了传统方法必须拥有腺体结构先验知识的限制,更加具备通用性和可扩展性,特别是解决了恶性腺体的分割问题。本文对Warwick-QU数据集中的165幅结肠病理图像进行腺体分割实验,并通过评估框架下的指标来度量分割结果与专家标定的相似度。在结果分析部分,通过在训练数据集上的分割结果,说明了编解码结构的卷积神经网络,配合上专家标定图的腐蚀处理,在各项的分割指标中取得了更好的结果,无论是对于良性还是恶性腺体。在测试集分割结果的分析中,看出编解码结构的卷积神经网络,配合上专家标定图的腐蚀处理也取得了更好的结果,特别是对于良性腺体的分割。通过比较基于两种卷积神经网络结构的分割方法所用的时间,说明了编解码的结构提高了计算效率。同时通过对实验数据的分析,说明了作为中间步骤的像素点分类结果同样可以用于病理图像的分类。
【关键词】：结肠病理图像 卷积神经网络 编解码 腺体分割
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-12
• 1.1 课题背景和意义9-10
• 1.2 国内外研究现状10-11
• 1.3 论文组织结构11-12
• 第2章 神经网络和卷积神经网络理论12-23
• 2.1 引言12
• 2.2 神经网络理论12-19
• 2.2.1 神经元模型12-13
• 2.2.2 感知机与多层网络13-15
• 2.2.3 误差逆传播算法15-19
• 2.3 卷积神经网络19-22
• 2.3.1 卷积神经网络概述19
• 2.3.2 卷积神经网络结构特点19-20
• 2.3.3 卷积神经网络的前向传播20-21
• 2.3.4 卷积神经网络的反向传播21-22
• 2.4 本章小结22-23
• 第3章 基于卷积神经网络的腺体分割方法23-39
• 3.1 实验环境的搭建23-27
• 3.1.1 Caffe框架23-24
• 3.1.2 搭建步骤24-27
• 3.2 实验数据集27-28
• 3.3 卷积神经网络配合滑动窗的分割方法28-31
• 3.3.1 训练基于像素点的分类器29-30
• 3.3.2 图像的预分割和后处理30-31
• 3.4 利用编解码结构的卷积神经网络的分割方法31-38
• 3.4.1 SegNet结构概述31-33
• 3.4.2 模型训练和分割方法33-38
• 3.5 本章小结38-39
• 第4章 结肠病理图像中的腺体分割实验结果及评估39-48
• 4.1 评价指标39-41
• 4.1.1 监测准确性39-40
• 4.1.2 分割准确性40
• 4.1.3 形状相似性40-41
• 4.2 实验结果分析41-47
• 4.2.1 分割效果的分析41-46
• 4.2.2 其他分析46-47
• 4.3 本章小结47-48
• 第5章 总结和展望48-49
• 5.1 论文工作总结48
• 5.2 进一步研究方向48-49
• 致谢49-50
• 参考文献50-52

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1026039