基于深度学习的胆管癌显微高光谱图像识别方法研究

发布时间：2021-01-11 01:54

　　胆管癌是一类相对罕见但恶性程度极高的肿瘤。由于早期症状不明显,患者发现时往往已错过最佳治疗时机。病理诊断作为胆管癌确诊的“金标准”,主要由具有经验的医师对病理切片进行繁琐且费时的镜检,在此过程中,可能由于医师阅片经验不足或评判标准不一产生误诊或漏诊。精准医疗的提出与人工智能的快速发展为上述问题提供了新的解决思路,同时也对医学数据的信息量提出了更高的要求。基于传统彩色医学图像的分析可以为计算机辅助诊断提供一定的参考依据,但传统彩色图像包含的信息量有限。高光谱成像技术作为一门新兴技术,可以同时获取待采集样本的空间和光谱信息。基于此,本文基于深度学习对胆管癌显微高光谱图像区域识别方法进行了研究。本文提出了3D-Res-CNN（3 Dimensional Residual Convolutional Neural Network）模型对胆管癌显微高光谱图像中的胆管癌区域、肝纤维化区域及其他组织区域进行识别。首先,本文对卷积神经网络中的组成单元和网络架构进行了分析。然后,结合高光谱图像“图谱合一”的特性,对网络的结构进行了设计。采用空间维度带空洞结构的3D卷积层对三维高光谱数据进行特征提取,在不... 

【文章来源】： 段依璠 华东师范大学

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

显微高光谱数据(a)高光谱图像示意图(b)某一像素点的光谱曲线(c)高光谱单波段图像

华东师范大学硕士学位论文17图2-6原始显微高光谱单波段图像(a)第16波段(b)第22波段(c)第28波段胆管癌显微高光谱图像预处理由于采集得到的原始图像存在噪声及光斑等干扰，会对不同组织的光谱曲线造成影响，因此本节主要讨论针对高光谱图像的预处理方法。2.2.1光谱校正由于显微高光谱成像系统中光源本身某些不稳定因素的存在以及透镜的影响，在对高光谱图像进行区域识别前需要使用一些特定的方法对采集到的高光谱图像进行光谱校正，从而得到更接近生物组织真实物化特性的光谱曲线。在采集每个不同生物组织病理切片的高光谱数据时，也采集对应的不含生物组织的空白区域的高光谱图像作为空白校准图像。在显微高光谱成像系统中，光路示意图如图2-7所示，由于计算机控制AOTF选择出特定输出频率的光，因此在光路示意图中将光路表示为单色平行光。

华东师范大学硕士学位论文48第四章胆管癌区域识别与定量化分析实验数据与实验环境本文所用实验数据为大鼠肝内胆管癌的显微高光谱图像，共采集图像7例。为了更好地对图像进行展示，选用第25波段（波长为634.6154nm）、第15波段（波长为557.6923nm）及第20波段（波长为596.1539nm）图像分别作为彩色图像的RGB通道进行图像的伪彩色合成，如图4-1所示。图4-1伪彩色合成示意图通过对本文中所用的大鼠肝脏病理切片进行观察，可知此时大鼠已出现侵袭性肠型胆管癌、大量汇管区结缔组织增生及胆管细胞异型增生[70]。图4-2展示了将本文使用的胆管癌病理切片的不同组织区域进行放大后的视野，用不同颜色的矩形框对不同组织进行区分。总体而言，可将图像分为病变区域和其他组织（OtherTissue，OT）区域，病变区域可进一步分为胆管癌（cholangiocarcinoma，CHOL）区域和肝纤维化（HepaticFibrosis，HFIB）区域。图中蓝色框内展示的是肝纤维化区域，在放大后的视野中可以看出肝纤维化区域呈现条索状分布于整个图像内；黄色框内展示的是胆管癌区域的视野，与肝纤维化区域进行对比后可知，两者在纹理细节及结构组成上具有较大差异；绿色框内展示的是其他组织区

【参考文献】：
期刊论文
[1]数字化全玻片助力人工智能病理图像决策[J]. 陈颖,魏培莲,潘军,周洁,董昌盛,于观贞.  第二军医大学学报. 2018(08)
[2]阿司匹林中断硫代乙酰胺诱发大鼠胆管上皮癌变[J]. 王革芳,陈颖,魏培莲,赵行,李超富,高云姝,于观贞.  第二军医大学学报. 2018(03)
[3]基于卷积神经网络与显微高光谱的胃癌组织分类方法研究[J]. 杜剑,胡炳樑,张周锋.  光学学报. 2018(06)
[4]中国、美国、英国精准医学计划比较研究[J]. 吴思竹,钱庆,杨林.  中国医院管理. 2017(09)
[5]精准医疗计划[J]. 杨晓月,陈枢青.  中国生化药物杂志. 2016(07)
[6]miRNA-21和Smad7在砷暴露肝纤维化大鼠肝组织中的表达及药物干预[J]. 詹洁,吴君,赵雪珂.  世界华人消化杂志. 2014(34)
[7]计算机辅助数字图像分析定量检测肝纤维化的应用研究[J]. 周才明,吕明德,殷晓煜,薛玲,郑树森,赖英荣.  中山大学学报(医学科学版). 2003(02)

硕士论文
[1]显微高光谱成像系统及大区域多维影像数据获取方法研究[D]. 袁晨.华东师范大学 2019



本文编号：2969840