基于卷积神经网络的结肠癌图像细胞核分类方法研究
发布时间：2021-07-06 18:28
癌症是造成世界上人类死亡的主要原因,其中结肠癌患者数量多且死亡率较高,它已经成为影响人类生命的第三大危险癌症,但其早期诊断成活率只有50%。因此,对结肠癌进行准确的早期诊断与分析具有重要的研究价值和意义。近年来,通过自动化分析结肠癌图像细胞核进行早期诊断已有一些研究成果,但存在手动提取特征误差大、诊断精确度低等问题。随着深度学习的不断发展,卷积神经网络可以直接对原始图像提取特征,从而在医学图像处理方面取得了重大突破。但是,由于其自身存在训练耗时以及结肠癌图像细胞核自身高度的异质性,致使以往的一些方法很难对结肠癌图像细胞核进行高效的分类。针对以上问题,本文首先从卷积神经网络的内部结构出发,研究了全连接层对卷积神经网络性能的影响以及数据集与网络之间存在的潜在关系;提出了重叠聚类的卷积模型来提高网络的训练速度;参考全连接层对卷积神经网络性能影响的实验设置,提出了基于聚类卷积的结肠癌图像细胞核分类新方法。论文的主要研究内容如下:（1）研究了全连接层对卷积神经网络性能的影响。本文提出了三种由浅到深的初始网络架构依次为Net-1、Net-2及Net-3。通过逐渐增加全连接层单层中神经元的个数来研究...
【文章来源】：西北师范大学甘肃省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
Net-1网络结构
第3章全连接层对卷积神经网络性能影响的研究15VGG-16网络是由13个卷积层和3个全连接层组成。我们将VGG-16最后连续3个通道数为512的3×3的卷积块去掉，全连接层层数设置为1层，神经元数目设置为4而形成Net-3的初始网络结构；再将Net-3的2个3层的连续卷积块各去掉一层而得到Net-2的初始网络结构。Net-2、Net-3网络结构分别如图3-2，图3-3；两者的网络内部配置如表3-2所示。卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一层抽取一层图3-2Net-2结构图卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000图3-3Net-3结构图表3-1Net-1网络的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14
第3章全连接层对卷积神经网络性能影响的研究15VGG-16网络是由13个卷积层和3个全连接层组成。我们将VGG-16最后连续3个通道数为512的3×3的卷积块去掉，全连接层层数设置为1层，神经元数目设置为4而形成Net-3的初始网络结构；再将Net-3的2个3层的连续卷积块各去掉一层而得到Net-2的初始网络结构。Net-2、Net-3网络结构分别如图3-2，图3-3；两者的网络内部配置如表3-2所示。卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一层抽取一层图3-2Net-2结构图卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000图3-3Net-3结构图表3-1Net-1网络的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14
【参考文献】：
期刊论文
[1]机器学习算法在中医诊疗中的研究综述[J]. 张晓航,石清磊,王斌,王炳蔚,王永吉,陈力,吴敬征. 计算机科学. 2018(S2)
[2]结肠癌治疗方法研究进展[J]. 胡盛,于恩达. 结直肠肛门外科. 2016(06)
[3]计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 高歌,马帅,王霄英. 放射学实践. 2016(12)
[4]结肠癌肝转移动物模型的研究进展[J]. 王理,张文斌. 中国现代普通外科进展. 2014(02)
[5]结肠疾病的影像学和结肠镜检查的对比分析[J]. 樊民义,刘辉,梁晓燕,黄范利. 实用放射学杂志. 2008(08)
[6]螺旋CT结肠成像术在结肠癌分型中的应用[J]. 孔祥林,宋冰,张文婧,顾建华,郝明利,姜缤,温连庆,夏爽,沈文. 天津医药. 2006(11)
[7]结肠癌的CT诊断[J]. 王平珍,陈玉贤. 中国煤炭工业医学杂志. 2004(03)
硕士论文
[1]TEOA抗人结肠癌细胞作用机制的初步研究[D]. 张丹丹.浙江大学 2017
[2]医学图像分类中的特征融合与特征学习研究[D]. 何乐乐.电子科技大学 2015
本文编号：3268754
【文章来源】：西北师范大学甘肃省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
Net-1网络结构
第3章全连接层对卷积神经网络性能影响的研究15VGG-16网络是由13个卷积层和3个全连接层组成。我们将VGG-16最后连续3个通道数为512的3×3的卷积块去掉，全连接层层数设置为1层，神经元数目设置为4而形成Net-3的初始网络结构；再将Net-3的2个3层的连续卷积块各去掉一层而得到Net-2的初始网络结构。Net-2、Net-3网络结构分别如图3-2，图3-3；两者的网络内部配置如表3-2所示。卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一层抽取一层图3-2Net-2结构图卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000图3-3Net-3结构图表3-1Net-1网络的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14
第3章全连接层对卷积神经网络性能影响的研究15VGG-16网络是由13个卷积层和3个全连接层组成。我们将VGG-16最后连续3个通道数为512的3×3的卷积块去掉，全连接层层数设置为1层，神经元数目设置为4而形成Net-3的初始网络结构；再将Net-3的2个3层的连续卷积块各去掉一层而得到Net-2的初始网络结构。Net-2、Net-3网络结构分别如图3-2，图3-3；两者的网络内部配置如表3-2所示。卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000抽取一层抽取一层图3-2Net-2结构图卷积+ReLU最大池化全连接层+ReLUsoftmax激活函数32×32×332×32×6416×16×1288×8×2564×4×5122×2×5124softmax40961000图3-3Net-3结构图表3-1Net-1网络的配置Net-1Conv5×5,485×5,48p=0,s=1Conv5×5,1285×5,128p=2,s=1Maxpooling3×33×3s=2Conv3×3×256,1923×3×256,192p=1,s=1Conv3×3,1923×3,192p=1,s=1Conv3×3,1283×3,128p=1,s=1Maxpooling3×33×3s=2F14
【参考文献】：
期刊论文
[1]机器学习算法在中医诊疗中的研究综述[J]. 张晓航,石清磊,王斌,王炳蔚,王永吉,陈力,吴敬征. 计算机科学. 2018(S2)
[2]结肠癌治疗方法研究进展[J]. 胡盛,于恩达. 结直肠肛门外科. 2016(06)
[3]计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 高歌,马帅,王霄英. 放射学实践. 2016(12)
[4]结肠癌肝转移动物模型的研究进展[J]. 王理,张文斌. 中国现代普通外科进展. 2014(02)
[5]结肠疾病的影像学和结肠镜检查的对比分析[J]. 樊民义,刘辉,梁晓燕,黄范利. 实用放射学杂志. 2008(08)
[6]螺旋CT结肠成像术在结肠癌分型中的应用[J]. 孔祥林,宋冰,张文婧,顾建华,郝明利,姜缤,温连庆,夏爽,沈文. 天津医药. 2006(11)
[7]结肠癌的CT诊断[J]. 王平珍,陈玉贤. 中国煤炭工业医学杂志. 2004(03)
硕士论文
[1]TEOA抗人结肠癌细胞作用机制的初步研究[D]. 张丹丹.浙江大学 2017
[2]医学图像分类中的特征融合与特征学习研究[D]. 何乐乐.电子科技大学 2015
本文编号：3268754
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3268754.html
