基于深度学习的数字病理图像识别分析与应用研究
发布时间：2021-08-29 00:35
病理学是研究疾病病因、发病机制、病理变化、结局和病变转归的医学基础学科,通过对病理机理的研究,我们可以了解不同机体在不同阶段的形态结构、功能代谢变化。病理学一直被视作是基础医学和临床医学之间的桥梁学科,能够为疾病的预防、诊断、治疗提供更加准确且有意义的信息。数字病理技术就是指将数字计算机成像和信息通讯的有关技术应用于病理学图像智能分析领域,是一种现阶段数字成像系统与传统光学成像装置相互结合的技术。与传统的病理成像技术相比,数字化病理学技术的突出特点是:有着更高的分辨率与清晰度、成像稳定便于观察分析、易于保存管理、方便浏览传输、为远程会诊和病理教学供了很高的便利。借鉴深度学习在计算机视觉上的前沿经验和取得的先进成果,本研究旨在应用深度学习技术,同时参考迁移学习的一些思想,将深度神经网络相关算法应用于数字病理图像识别与分析领域,拟解决现阶段数字病理临床诊断、分析研究中所显现出的一些耗时费力、诊断不精确、诊断指标不统一的问题。本文通过对计算机智能科学与医疗影像学、数字病理学的融合,促进病理诊断、病理分析的准确性与智能化。本研究通过对数字病理学具体问题的分析,引入基于深度神经网络的模式分类、语...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
图１－１：在中国知网对论文关键字“数字病理”、“深度学习”的检索调研
?第二章相关基础知识???．．翁??Ｗｊ＾％：ｉＭ＾０＾??Ｉ＇綱Ｈ■濟？，??爾：＇ｉ?＾？ｐ??：秦＇?．＾ＩＨＩ??图２－１：本论文胃癌分割临床数据集中截取的一批同样大小的图像块图示。??且要切全，而且使用切片机要均匀用力。接下来在５０度的温水中进行展片、携片等??环节，然后经过７０度的烤片得到木论文染色的切片。（４）标木染色。得到切片后，切??片需要经过苏木素一伊红染色来增强组织细节的可观测性。苏木素一般染色时间在５??到１０分钟左右，在这中间，使用１％的盐酸酒精进行分化是关键的操作，在ｌｉｔ过程??中分化程度要严格控制。同时在整个过程中，也一定耍保证切片镜面干净、无气泡。??染色完善静放后，本论文的胃癌病理切片便制作完善［５５－５６］。观测者就可以通过显??微装置进行观测记录留图。一些胃癌病理切片数据的图示如图２－１所示。??通过观察可以发现在这些病理切片上，组织的外在特征一般呈现两种类别。在本??论文中，我们将数字病理切片的每个像素进行标记，会发现本论文针对的胃癌区域??１５??
?北京邮电大学工学博士学位论文???分割问题，实际上就是一个像素级别二分类问题。本论文的分割任务图示如图２－２所??示。与我们合作的医学专家通过Ｌａｂｅｌｌｍｇ软件帮我们标记如图情况，再由我们进行??编码处理。??｝??＿省＿；??．滅蕾，那??ｎ．－?Ｉ??图２－２：胃癌分割任务展示：左图癌症区域特征和正常区域特征与右图中的蓝色区域??和灰色区域——对应。??２．１．３细胞／细胞核病理切片相关知识??每个人体内大约有３０万亿个细胞。这些细胞中的大多数都包含一个充满ＤＮＡ??的细胞核，而ＤＮＡ是对细胞进行编程的遗传密码。细胞核识别是必不可少的，通常??是数字病理学中大多数分析的第一步。由于细胞核的形态学差异以及病理切片不同??的染色方法，寻找有效的细胞核检测方法并不容易。尽管困难重重，但细胞核智能检??测会帮助临床专家和研究人员高效清楚地识别组织样本中的每个细胞，因此这又是??十分重要的。此外，通过测量细胞对特定处理的特征反应，研究人员可以探索工作中??潜在的生物学过程，例如细胞的数量或大小变化。更为重要的是，随着大数据时代的??到来以及病理学家的缺乏，无数的病理图像给医学研究人员和临床医生带来了巨大??的工作量。因此，找到一种合适的细胞自动检测方法或分割方法是十分必要的。??和２．１．２中关于胃癌病理切片的染色方法类似，针对细胞的染色一般也要经过苏??木精一伊红染色法，并通过石蜡技术进行实现。苏木精染色液一般为碱性，主要和细??胞核内的染色质与胞质内的核酸反应成蓝紫色；伊红为酸性染料，主要使细胞质和细??１６??
【参考文献】：
期刊论文
[1]数字病理+人工智能在病理中的应用及发展[J]. 陈晓智,王建刚. 河南医学研究. 2020(03)
[2]葡萄膜黑色素瘤高转移相关基因的筛选和分析[J]. 聂爱芹,谢宁,李强,李伟. 山西医药杂志. 2019(13)
[3]深度学习在数字病理中的应用[J]. 闫雯,汤烨,张益肇,来茂德,许燕. 中国生物医学工程学报. 2018(01)
[4]中国数字病理发展展望[J]. 包骥,步宏. 实用医院临床杂志. 2017(05)
[5]数字病理中计算机辅助诊断研究展望[J]. 邓杨,包骥. 实用医院临床杂志. 2017(05)
[6]A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation[J]. Bo Zhao,Jiashi Feng,Xiao Wu,Shuicheng Yan. International Journal of Automation and Computing. 2017(02)
[7]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
[8]中国病理学教学改革近况分析[J]. 王艳霞. 中国医药导报. 2015(01)
[9]数字化病理技术在病理学实验室中的应用[J]. 邓学田,李忠武,周立新. 河北医科大学学报. 2014(03)
[10]数字切片库结合网络在病理学实验教学中的应用[J]. 王进京,孙保存,赵秀兰,张丹芳,刘铁菊,高玉彤,董学易,古强. 基础医学教育. 2012(12)
博士论文
[1]病理图像精细化分析算法研究[D]. 崔磊.西北大学 2019
硕士论文
[1]基于胶囊神经网络的癌症数字病理图像预测方法研究[D]. 汤博.中国科学技术大学 2019
[2]基于深度学习的粗标记胃癌病理切片图像分割算法[D]. 南洋.湖南大学 2018
[3]基于深度学习的医学病理图像智能分析算法研究[D]. 王督.上海交通大学 2018
本文编号：3369539
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
图１－１：在中国知网对论文关键字“数字病理”、“深度学习”的检索调研
?第二章相关基础知识???．．翁??Ｗｊ＾％：ｉＭ＾０＾??Ｉ＇綱Ｈ■濟？，??爾：＇ｉ?＾？ｐ??：秦＇?．＾ＩＨＩ??图２－１：本论文胃癌分割临床数据集中截取的一批同样大小的图像块图示。??且要切全，而且使用切片机要均匀用力。接下来在５０度的温水中进行展片、携片等??环节，然后经过７０度的烤片得到木论文染色的切片。（４）标木染色。得到切片后，切??片需要经过苏木素一伊红染色来增强组织细节的可观测性。苏木素一般染色时间在５??到１０分钟左右，在这中间，使用１％的盐酸酒精进行分化是关键的操作，在ｌｉｔ过程??中分化程度要严格控制。同时在整个过程中，也一定耍保证切片镜面干净、无气泡。??染色完善静放后，本论文的胃癌病理切片便制作完善［５５－５６］。观测者就可以通过显??微装置进行观测记录留图。一些胃癌病理切片数据的图示如图２－１所示。??通过观察可以发现在这些病理切片上，组织的外在特征一般呈现两种类别。在本??论文中，我们将数字病理切片的每个像素进行标记，会发现本论文针对的胃癌区域??１５??
?北京邮电大学工学博士学位论文???分割问题，实际上就是一个像素级别二分类问题。本论文的分割任务图示如图２－２所??示。与我们合作的医学专家通过Ｌａｂｅｌｌｍｇ软件帮我们标记如图情况，再由我们进行??编码处理。??｝??＿省＿；??．滅蕾，那??ｎ．－?Ｉ??图２－２：胃癌分割任务展示：左图癌症区域特征和正常区域特征与右图中的蓝色区域??和灰色区域——对应。??２．１．３细胞／细胞核病理切片相关知识??每个人体内大约有３０万亿个细胞。这些细胞中的大多数都包含一个充满ＤＮＡ??的细胞核，而ＤＮＡ是对细胞进行编程的遗传密码。细胞核识别是必不可少的，通常??是数字病理学中大多数分析的第一步。由于细胞核的形态学差异以及病理切片不同??的染色方法，寻找有效的细胞核检测方法并不容易。尽管困难重重，但细胞核智能检??测会帮助临床专家和研究人员高效清楚地识别组织样本中的每个细胞，因此这又是??十分重要的。此外，通过测量细胞对特定处理的特征反应，研究人员可以探索工作中??潜在的生物学过程，例如细胞的数量或大小变化。更为重要的是，随着大数据时代的??到来以及病理学家的缺乏，无数的病理图像给医学研究人员和临床医生带来了巨大??的工作量。因此，找到一种合适的细胞自动检测方法或分割方法是十分必要的。??和２．１．２中关于胃癌病理切片的染色方法类似，针对细胞的染色一般也要经过苏??木精一伊红染色法，并通过石蜡技术进行实现。苏木精染色液一般为碱性，主要和细??胞核内的染色质与胞质内的核酸反应成蓝紫色；伊红为酸性染料，主要使细胞质和细??１６??
【参考文献】：
期刊论文
[1]数字病理+人工智能在病理中的应用及发展[J]. 陈晓智,王建刚. 河南医学研究. 2020(03)
[2]葡萄膜黑色素瘤高转移相关基因的筛选和分析[J]. 聂爱芹,谢宁,李强,李伟. 山西医药杂志. 2019(13)
[3]深度学习在数字病理中的应用[J]. 闫雯,汤烨,张益肇,来茂德,许燕. 中国生物医学工程学报. 2018(01)
[4]中国数字病理发展展望[J]. 包骥,步宏. 实用医院临床杂志. 2017(05)
[5]数字病理中计算机辅助诊断研究展望[J]. 邓杨,包骥. 实用医院临床杂志. 2017(05)
[6]A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation[J]. Bo Zhao,Jiashi Feng,Xiao Wu,Shuicheng Yan. International Journal of Automation and Computing. 2017(02)
[7]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
[8]中国病理学教学改革近况分析[J]. 王艳霞. 中国医药导报. 2015(01)
[9]数字化病理技术在病理学实验室中的应用[J]. 邓学田,李忠武,周立新. 河北医科大学学报. 2014(03)
[10]数字切片库结合网络在病理学实验教学中的应用[J]. 王进京,孙保存,赵秀兰,张丹芳,刘铁菊,高玉彤,董学易,古强. 基础医学教育. 2012(12)
博士论文
[1]病理图像精细化分析算法研究[D]. 崔磊.西北大学 2019
硕士论文
[1]基于胶囊神经网络的癌症数字病理图像预测方法研究[D]. 汤博.中国科学技术大学 2019
[2]基于深度学习的粗标记胃癌病理切片图像分割算法[D]. 南洋.湖南大学 2018
[3]基于深度学习的医学病理图像智能分析算法研究[D]. 王督.上海交通大学 2018
本文编号：3369539
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3369539.html
