基于深度学习的慢性萎缩性胃炎筛查方法研究
发布时间：2021-02-10 04:29
慢性萎缩性胃炎是一种重要的胃部疾病,其发生和发展严重威胁着人类的身体健康。当人体患有此种疾病时,不仅需要长期忍受消化不良,胃酸胃胀等不适,同时也会导致经常性的出血、诱发其他胃部疾病,甚至转化成为胃癌,因此,医学上将慢性萎缩性胃炎定性为严重的癌前病变。如果可以在早期发现并确诊慢性萎缩性胃炎,就可以对患者的病情进行提前干预和治疗,从而降低病情恶化和癌化的风险。然而临床上慢性萎缩性胃炎的胃镜下表现非常复杂,其诊断效果与医生经验及医疗水平有着直接的关系,使得胃镜图像无法成为慢性萎缩性胃炎确诊的主要依据,必须联合胃黏膜活组织病理检查才能得出最终的诊断结果。人工诊断过程存在着费时、费力和主观差异性较大的缺陷。随着计算机硬件和算法的飞跃式发展,以深度学习为核心的人工智能技术在各行各业得到了广泛的应用。在医疗卫生领域,由于深度学习在图像识别等任务中的卓越表现,其作为辅助诊断手段得到了医学工作者的青睐。为实现慢性萎缩性胃炎的自动化诊断提供了一个新的研究方向。胃镜图像是慢性萎缩性胃炎诊断过程中必不可少的影像介质,可以观察到高度清晰的胃部形态和黏膜表皮特征,同时也为深度学习辅助筛查慢性萎缩性胃炎提供了丰富的...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景和意义
1.2 研究现状
1.3 论文主要工作
1.4 论文组织结构
第二章 相关技术概述
2.1 深度学习相关基础
2.1.1 卷积神经网络算法
2.1.2 半精度浮点
2.1.3 Sync Batch Normal
2.2 慢性萎缩性胃炎胃镜图像数据介绍
2.2.1 胃窦胃角图像
2.2.2 慢性萎缩性胃炎的特点
2.3 数据预处理技术
TELEA算法"> 2.3.1 INPAINTTELEA算法
2.4 传统图像特征
2.4.1 SIFT特征
2.4.2 HOG特征
2.4.3 LBP特征
2.5 本章小结
第三章 胃窦胃角图像分类方法
3.1 方法概述
3.2 胃镜图像预处理
3.3 胃镜图像特征提取
3.3.1 SIFT特征提取
3.3.2 LBP特征提取
3.3.3 HOG特征提取
3.3.4 GAH-CNN特征提取
3.4 相关分类算法和组合规则
3.5 本章小结
第四章 慢性萎缩性胃炎筛查方法
4.1 方法概述
4.2 基于SyBN-DesneNet的胃窦图像慢性萎缩性胃炎筛查算法
4.2.1 Dense Block模块结构
4.2.2 SyBN-DenseNet网络模型
4.2.3 SyBN-DenseNet模型优化
4.3 基于SyBN-ResNet的胃角图像慢性萎缩性胃炎筛查算法
4.3.1 Residual Unit模块结构
4.3.2 SyBN-ResNet网络模型
4.3.3 SyBN-ResNet模型优化
4.4 本章小结
第五章 实验结果与分析
5.1 实验数据说明
5.2 实验平台介绍
5.3 胃窦胃角分类算法验证
5.3.1 对比实验介绍
5.3.2 GAH-CNN网络参数优化
5.3.3 实验结果统计与分析
5.4 慢性萎缩性胃炎筛查算法验证
5.4.1 基于SyBN-DenseNet的胃窦图像慢性萎缩性胃炎筛查验证
5.4.2 基于SyBN-ResNet的胃角图像慢性萎缩性胃炎筛查验证
5.5 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 进一步研究方向
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]胃镜对于慢性萎缩性胃炎的诊断效果分析[J]. 尚月华,李岩. 中国医疗器械信息. 2018(18)
[2]基于3D卷积神经网络的肝脏自动分割方法[J]. 何兰,吴倩. 中国医学物理学杂志. 2018(06)
[3]慢性萎缩性胃炎的胃镜与病理诊断的对比分析[J]. 潘多,孙思予,刘香,王晟,葛楠,王国鑫,郭瑾陶. 现代肿瘤医学. 2018(06)
[4]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[5]DTCNN的人脸识别算法的Map-Reduce并行化实现研究[J]. 郭礼华,牛新亚,马军,刘彦能. 系统工程理论与实践. 2014(S1)
[6]基于SURF特征的航空序列图像位置估计算法[J]. 乔奎贤,赵妮,李耀军. 计算机工程与应用. 2013(14)
[7]视频数据库索引技术研究及应用[J]. 陈志圣,陈福生,刘庆. 微型电脑应用. 2004(04)
[8]一种基于模糊规则的神经网络结构及其学习算法研究[J]. 施平安,陈文伟. 计算机工程与应用. 2001(05)
[9]胃癌的病因与发病机理[J]. 冉宗学. 中级医刊. 1995(06)
硕士论文
[1]多层卷积神经网络深度学习算法的应用研究[D]. 张万亚.西安电子科技大学 2017
[2]意识障碍患者DTI序列的分析方法研究[D]. 康伟.北京理工大学 2016
[3]可见光/近红外人脸识别方法的研究与实现[D]. 李杰.北京交通大学 2016
[4]基于图像的物体识别算法研究[D]. 谢文治.电子科技大学 2011
本文编号：3026782
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景和意义
1.2 研究现状
1.3 论文主要工作
1.4 论文组织结构
第二章 相关技术概述
2.1 深度学习相关基础
2.1.1 卷积神经网络算法
2.1.2 半精度浮点
2.1.3 Sync Batch Normal
2.2 慢性萎缩性胃炎胃镜图像数据介绍
2.2.1 胃窦胃角图像
2.2.2 慢性萎缩性胃炎的特点
2.3 数据预处理技术
TELEA算法"> 2.3.1 INPAINTTELEA算法
2.4 传统图像特征
2.4.1 SIFT特征
2.4.2 HOG特征
2.4.3 LBP特征
2.5 本章小结
第三章 胃窦胃角图像分类方法
3.1 方法概述
3.2 胃镜图像预处理
3.3 胃镜图像特征提取
3.3.1 SIFT特征提取
3.3.2 LBP特征提取
3.3.3 HOG特征提取
3.3.4 GAH-CNN特征提取
3.4 相关分类算法和组合规则
3.5 本章小结
第四章 慢性萎缩性胃炎筛查方法
4.1 方法概述
4.2 基于SyBN-DesneNet的胃窦图像慢性萎缩性胃炎筛查算法
4.2.1 Dense Block模块结构
4.2.2 SyBN-DenseNet网络模型
4.2.3 SyBN-DenseNet模型优化
4.3 基于SyBN-ResNet的胃角图像慢性萎缩性胃炎筛查算法
4.3.1 Residual Unit模块结构
4.3.2 SyBN-ResNet网络模型
4.3.3 SyBN-ResNet模型优化
4.4 本章小结
第五章 实验结果与分析
5.1 实验数据说明
5.2 实验平台介绍
5.3 胃窦胃角分类算法验证
5.3.1 对比实验介绍
5.3.2 GAH-CNN网络参数优化
5.3.3 实验结果统计与分析
5.4 慢性萎缩性胃炎筛查算法验证
5.4.1 基于SyBN-DenseNet的胃窦图像慢性萎缩性胃炎筛查验证
5.4.2 基于SyBN-ResNet的胃角图像慢性萎缩性胃炎筛查验证
5.5 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 进一步研究方向
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]胃镜对于慢性萎缩性胃炎的诊断效果分析[J]. 尚月华,李岩. 中国医疗器械信息. 2018(18)
[2]基于3D卷积神经网络的肝脏自动分割方法[J]. 何兰,吴倩. 中国医学物理学杂志. 2018(06)
[3]慢性萎缩性胃炎的胃镜与病理诊断的对比分析[J]. 潘多,孙思予,刘香,王晟,葛楠,王国鑫,郭瑾陶. 现代肿瘤医学. 2018(06)
[4]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
[5]DTCNN的人脸识别算法的Map-Reduce并行化实现研究[J]. 郭礼华,牛新亚,马军,刘彦能. 系统工程理论与实践. 2014(S1)
[6]基于SURF特征的航空序列图像位置估计算法[J]. 乔奎贤,赵妮,李耀军. 计算机工程与应用. 2013(14)
[7]视频数据库索引技术研究及应用[J]. 陈志圣,陈福生,刘庆. 微型电脑应用. 2004(04)
[8]一种基于模糊规则的神经网络结构及其学习算法研究[J]. 施平安,陈文伟. 计算机工程与应用. 2001(05)
[9]胃癌的病因与发病机理[J]. 冉宗学. 中级医刊. 1995(06)
硕士论文
[1]多层卷积神经网络深度学习算法的应用研究[D]. 张万亚.西安电子科技大学 2017
[2]意识障碍患者DTI序列的分析方法研究[D]. 康伟.北京理工大学 2016
[3]可见光/近红外人脸识别方法的研究与实现[D]. 李杰.北京交通大学 2016
[4]基于图像的物体识别算法研究[D]. 谢文治.电子科技大学 2011
本文编号：3026782
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3026782.html
