基于深层次的特征学习对HEp-2细胞的自动化分类及分割方法研究

发布时间：2021-04-21 20:49

　　准确的人体上表皮（Human Epithelial-2,HEp-2）细胞图像分类在许多自身免疫性疾病的诊断和后续治疗中起着重要的作用。例如,系统性风湿性疾病、多发性硬化症、药物性红斑狼疮,系统性红斑狼疮和糖尿病等。而图像分割一般是图像分类以及后期的诊断和治疗过程的第一步。其中关键的挑战是不均匀照明引起的巨大的类内差距和很小的类间差距以及背景噪声的问题。为了解决这一难题,设计一套计算机辅助诊断系统帮助医生自动化进行分割、分类变成了一个热门的课题,本文主要是针对HEp-2细胞图像自动化分割、分类的算法研究,提出了基于机器学习和深度学习的三种不同的深层次特征学习方法:其一,本文提出的成对旋转不变共生局部二值法（Pairwise Rotation Invariant Co-occurrence Local Binary Pattern,PRICoLBP）方法用具有较强的分类能力和鲁棒性。PRICo LBP不仅具有旋转不变性,还能够有效的捕捉空间上下文共生信息。PRICoLBP通过确保响应的共生对和有效的成对旋转不变编码策略获得旋转不变性,编码了反映局部曲率信息的共生对的相对方向角度保证了其强大... 

【文章来源】：深圳大学广东省

【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 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究目的及意义
    1.2 HEP-2细胞分类的研究现状
    1.3 本文工作及内容安排
第2章 基于成对旋转不变共生局部二值法对HEP-2细胞图像的分类
    2.1 引言
    2.2 实验方法
        2.2.1 成对旋转不变共发生局部二值模型（PRICoLBP）
        2.2.2 密度尺度不变特征转换（DSIFT）
    2.3 实验结果及分析
        2.3.1 数据集（ICPR2012）
        2.3.2 实验结果评估方法
        2.3.3 实验用时
        2.3.4 分类准确率
        2.3.5 同类方法结果对比
    2.4 本章小结
第3章 基于深监督残差网络的跨模型迁移学习对HEP-2细胞图像的分类
    3.1 引言
    3.2 深监督残差网络的相关工作
        3.2.1 残差网络
        3.2.2 迁移学习
    3.3 实验方法
        3.3.1 深度残差网络
        3.3.2 深度监督残差网络（DSRN）
        3.3.3 跨模型迁移学习
    3.4 结果及对比分析
        3.4.1 实验设置
        3.4.2 实验结果
    3.5 特征学习与可视化
    3.6 结果分析
    3.7 本章小结
第4章 稠密反卷积网络对HEP-2细胞图像分割及分类
    4.1 引言
    4.2 稠密的反卷积网络（DDN）
        4.2.1 稠密反卷积层（DDL）
        4.2.2 链式残差池化层
        4.2.3 层级监督
    4.3 分割效果及分析
    4.4 分类结果及分析
    4.5 本章小结
第5章 总结与展望
参考文献
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]基于卷积神经网络LeNet-5的车牌字符识别研究[J]. 赵志宏,杨绍普,马增强.  系统仿真学报. 2010(03)



本文编号：3152466