基于深度学习的超声图像主题生成及验证系统

发布时间：2022-08-01 18:58

　　超声图像主题生成技术是通过算法直接生成用于描述超声图像内容及病灶区域疾病特性的文本信息,使得缺乏经验的医生和普通患者可以直接利用生成的文本信息更为直观地理解超声图像中病灶区域的信息。但由于目前超声图像理解方面对内容信息进行细致分析与自动描述的研究还存在不足,为了能更加方便、快速、细致地理解超声图像中病灶区域的内容信息,本文将图像主题生成技术引入到超声图像理解领域,分别提出了基于多粒度分类的超声图像主题生成算法和基于病灶区域检测的超声图像主题生成算法。具体研究工作如下:1.针对目前超声图像理解的研究主要还是集中在检索、检测、分类、分割等粗粒度方向,且缺乏能直接从人的语言层面来理解超声图像内容信息的研究的问题,本文提出了基于多粒度分类的超声图像主题生成模型。该模型将图像主题生成技术引入到超声图像理解领域,先用卷积神经网络（Convolution Neural Network,CNN）构成的粗分类模型对超声图像进行目标器官识别,然后再用长短时记忆模型（Long Short-Term Memory,LSTM）解码,得到适合描述超声图像病灶区域内容的文本信息。最后将提出的模型应用到本文构建的带有... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 超声图像理解研究现状
        1.2.2 图像主题生成研究现状
    1.3 研究内容与创新
    1.4 论文组织架构
第2章 深度学习在图像主题生成中的应用
    2.1 深度学习概述
        2.1.1 卷积神经网络
        2.1.2 长短时记忆网络
    2.2 深度学习在图像主题生成中的应用
        2.2.1 传统基于视觉词汇检测的图像主题生成
        2.2.2 端到端的图像主题生成
        2.2.3 基于注意力机制的图像主题生成
    2.3 本章小结
第3章 基于多粒度分类的超声图像主题生成
    3.1 研究问题分析
    3.2 基于多粒度分类的超声图像主题生成
        3.2.1 训练超声图像编码模型
        3.2.2 训练LSTM语言生成模型
        3.2.3 基于多粒度分类超声图像主题生成模型工作过程
    3.3 实验结果分析
        3.3.1 超声图像数据集的构造
        3.3.2 基于多粒度分类超声图像主题生成模型训练细节
        3.3.3 实验结果分析
    3.4 本章小结
第4章 基于病灶区域检测的超声图像主题生成
    4.1 研究问题分析
    4.2 基于病灶区域检测的超声图像主题生成方法
        4.2.1 病灶区域检测的超声图像编码模型
        4.2.2 基于病灶区域检测超声图像主题生成模型工作过程
    4.3 实验结果分析
        4.3.1 实验数据介绍
        4.3.2 训练病灶区域检测模型参数配置
        4.3.3 实验结果分析
    4.4 本章小结
第5章 超声图像辅助理解系统
    5.1 超声图像辅助理解系统的开发环境
    5.2 超声图像辅助理解系统的设计
    5.3 超声图像辅助理解系统功能测试
    5.4 本章小结
第6章 总结和展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3667999