基于深度学习的喉镜声带图像病灶辅助诊断系统的设计与实现
发布时间：2022-10-29 22:37
近几年来声带小结和声带息肉的发病率日趋增高,两者的影像表现相似,但是成因和治疗方法不同,最重要的是声带息肉的癌变率也在逐年增高,因此正确区分声带小结和声带息肉有着重要的意义。本文从声带图像采集和声带图像处理两个方面切入,设计并实现声带病灶辅助诊断系统。在声带图像采集方面,深入调研了现有市面上的视频喉镜,并针对其存在的缺陷,设计并实现了基于WiFi的无线高清视频喉镜系统。系统提高视频分辨率至640*480,并且能够实时传输,传输时延控制在200ms左右;采用无线传输,既能减小喉镜手柄体积,又能方便医生操作;采用数字传输,方便后期声带图像数据的存储和处理。在声带图像处理方面,基于传统浅层学习和深度学习算法在CAD应用的对比,选择能直接从训练数据集中提取特征,减少人工干预的深度学习算法应用于本系统,并调研了深度学习算法的发展历史及其在医学图像领域的应用情况。以声带图像为研究对象,利用深度学习算法构建一种基于卷积神经网络的声带病灶辅助诊断系统,采用了在医学图像处理方面有独特优越性的AlexNet模型,使用数据增强和迁移学习的方法,解决声带图像数据集数量较小与深度卷积神经网络模型训练需要大量数据...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 研究现状及趋势
1.2.1 视频喉镜发展现状和趋势
1.2.2 基于深度学习的声带图像病灶诊断研究现状和趋势
1.3 论文的研究内容及结构安排
1.3.1 本文的研究内容
1.3.2 本文的结构安排
第二章 WiFi网络视频喉镜系统架构及关键技术简介
2.1 WiFi网络视频喉镜系统基本架构
2.2 关键技术简介
2.2.1 操作系统
2.2.2 视频信号采集技术
2.2.3 无线传输技术
2.2.4 流媒体处理技术
2.3 WiFi网络视频喉镜硬件子系统简介
2.3.1 视频喉镜手柄硬件架构
2.3.2 图像采集模块电路设计
2.3.3 无线发送模块电路设计
2.3.4 电源模块电路设计
2.4 WiFi网络视频喉镜软件子系统简介
2.4.1 系统软件架构
2.4.2 视频信号采集实现
2.4.3 H.264硬编码实现
2.4.4 CC3100无线传输实现
2.5 WiFi网络视频喉镜系统测试
2.5.1 测试平台
2.5.2 测试结果
2.6 本章小结
第三章 声带病灶及深度学习算法的简介
3.1 声带病灶简介
3.1.1 声带正常影像表现
3.1.2 声带小结影像表现
3.1.3 声带息肉影像表现
3.2 深度学习的简介
3.3 卷积神经网络简介
3.3.1 卷积神经网络的优势
3.3.2 卷积神经网络的结构
3.4 本章小结
第四章 声带病灶辅助诊断系统的技术研究
4.1 声带病灶辅助诊断系统的架构
4.2 数据预处理
4.3 模型训练
4.3.1 AlexNet模型简介
4.3.2 基于AlexNet的模型训练
4.3.3 预训练
4.4 模型验证
4.5 本章小结
第五章 系统测试与性能分析
5.1 系统测试环境与数据
5.2 声带病灶诊断系统测试方案和评价方法
5.2.1 交叉验证
5.2.2 交叉验证接受者操作特性曲线分析
5.3 系统测试结果及性能分析
5.3.1 分类准确率的验证与分析
5.3.2 实验结果ROC分析
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
攻读硕士学位期间的研究工作及成果
致谢
【参考文献】：
期刊论文
[1]电子喉镜下治疗声带息肉疗效观察[J]. 林品香,潘小春,高燕. 中国卫生标准管理. 2018(01)
[2]人工智能成热潮,嵌入式如何分杯羹?[J]. 本刊编辑部. 单片机与嵌入式系统应用. 2017(07)
[3]基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断[J]. 吕鸿蒙,赵地,迟学斌. 计算机科学. 2017(S1)
[4]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升. 生物医学工程学杂志. 2017(02)
[5]基于卷积神经网络的商品图像分类研究[J]. 匡青. 软件导刊. 2017(02)
[6]智能家居无线通讯网络的适用性研究[J]. 宋艳玉,彭诗朦. 科技视界. 2016(03)
[7]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[8]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[9]交叉验证在数据建模模型选择中的应用[J]. 王怀亮. 商业经济. 2011(10)
[10]锂电池及其保护电路和充电器[J]. 华元钦. 中国自行车. 2008(01)
硕士论文
[1]卷积神经网络图像分类应用研究[D]. 柯小龙.深圳大学 2017
[2]基于深度学习算法的主动脉瘤CT影像分割技术研究[D]. 隋晓丹.山东师范大学 2017
[3]基于深度学习的图像分类的研究[D]. 闫蕾芳.山东大学 2017
[4]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[5]基于卷积神经网络的肺部肿瘤PET/CT计算机辅助诊断研究[D]. 王媛媛.宁夏医科大学 2017
[6]基于深度学习的复杂光照条件下人脸识别技术研究[D]. 常云翔.沈阳航空航天大学 2017
[7]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[8]基于迁移学习的手术图像内容识别[D]. 张怀志.山东大学 2016
[9]基于深度学习的水果图像识别算法研究[D]. 王前程.河北大学 2016
[10]嵌入式Linux操作系统安全性研究[D]. 李景炜.西安电子科技大学 2015
本文编号：3698545
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 研究现状及趋势
1.2.1 视频喉镜发展现状和趋势
1.2.2 基于深度学习的声带图像病灶诊断研究现状和趋势
1.3 论文的研究内容及结构安排
1.3.1 本文的研究内容
1.3.2 本文的结构安排
第二章 WiFi网络视频喉镜系统架构及关键技术简介
2.1 WiFi网络视频喉镜系统基本架构
2.2 关键技术简介
2.2.1 操作系统
2.2.2 视频信号采集技术
2.2.3 无线传输技术
2.2.4 流媒体处理技术
2.3 WiFi网络视频喉镜硬件子系统简介
2.3.1 视频喉镜手柄硬件架构
2.3.2 图像采集模块电路设计
2.3.3 无线发送模块电路设计
2.3.4 电源模块电路设计
2.4 WiFi网络视频喉镜软件子系统简介
2.4.1 系统软件架构
2.4.2 视频信号采集实现
2.4.3 H.264硬编码实现
2.4.4 CC3100无线传输实现
2.5 WiFi网络视频喉镜系统测试
2.5.1 测试平台
2.5.2 测试结果
2.6 本章小结
第三章 声带病灶及深度学习算法的简介
3.1 声带病灶简介
3.1.1 声带正常影像表现
3.1.2 声带小结影像表现
3.1.3 声带息肉影像表现
3.2 深度学习的简介
3.3 卷积神经网络简介
3.3.1 卷积神经网络的优势
3.3.2 卷积神经网络的结构
3.4 本章小结
第四章 声带病灶辅助诊断系统的技术研究
4.1 声带病灶辅助诊断系统的架构
4.2 数据预处理
4.3 模型训练
4.3.1 AlexNet模型简介
4.3.2 基于AlexNet的模型训练
4.3.3 预训练
4.4 模型验证
4.5 本章小结
第五章 系统测试与性能分析
5.1 系统测试环境与数据
5.2 声带病灶诊断系统测试方案和评价方法
5.2.1 交叉验证
5.2.2 交叉验证接受者操作特性曲线分析
5.3 系统测试结果及性能分析
5.3.1 分类准确率的验证与分析
5.3.2 实验结果ROC分析
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
攻读硕士学位期间的研究工作及成果
致谢
【参考文献】：
期刊论文
[1]电子喉镜下治疗声带息肉疗效观察[J]. 林品香,潘小春,高燕. 中国卫生标准管理. 2018(01)
[2]人工智能成热潮,嵌入式如何分杯羹?[J]. 本刊编辑部. 单片机与嵌入式系统应用. 2017(07)
[3]基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断[J]. 吕鸿蒙,赵地,迟学斌. 计算机科学. 2017(S1)
[4]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升. 生物医学工程学杂志. 2017(02)
[5]基于卷积神经网络的商品图像分类研究[J]. 匡青. 软件导刊. 2017(02)
[6]智能家居无线通讯网络的适用性研究[J]. 宋艳玉,彭诗朦. 科技视界. 2016(03)
[7]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[8]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[9]交叉验证在数据建模模型选择中的应用[J]. 王怀亮. 商业经济. 2011(10)
[10]锂电池及其保护电路和充电器[J]. 华元钦. 中国自行车. 2008(01)
硕士论文
[1]卷积神经网络图像分类应用研究[D]. 柯小龙.深圳大学 2017
[2]基于深度学习算法的主动脉瘤CT影像分割技术研究[D]. 隋晓丹.山东师范大学 2017
[3]基于深度学习的图像分类的研究[D]. 闫蕾芳.山东大学 2017
[4]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[5]基于卷积神经网络的肺部肿瘤PET/CT计算机辅助诊断研究[D]. 王媛媛.宁夏医科大学 2017
[6]基于深度学习的复杂光照条件下人脸识别技术研究[D]. 常云翔.沈阳航空航天大学 2017
[7]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[8]基于迁移学习的手术图像内容识别[D]. 张怀志.山东大学 2016
[9]基于深度学习的水果图像识别算法研究[D]. 王前程.河北大学 2016
[10]嵌入式Linux操作系统安全性研究[D]. 李景炜.西安电子科技大学 2015
本文编号：3698545
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3698545.html
