基于判别性字典学习的组织病理图像分类研究

发布时间：2023-05-14 01:40

　　组织病理图像蕴含生物体丰富的病理信息,对于医学研究的发展具有不可估量的价值,其中,组织病理图像分类引起了学术界的极大关注。近年来,诸多成果已经证明了判别性字典学习在图像分类任务中的重要性。本文主要关注于如何设计字典学习模型,学习得到判别性字典,最终实现更好的组织病理图像分类性能。本文的主要工作如下:(1)针对组织病理图像分类中样本特征之间具有高度相关性的问题,本文提出一种基于低秩约束的判别性字典学习(Discriminative dictionary learning with low-rank constraint,LRCDDL)算法,并用于实现组织病理图像分类。与传统算法仅仅关注稀疏编码的低秩性不同,LRCDDL算法不仅同时优化了子字典对同类和非同类训练样本的重构性能,而且对类独有的子字典增加了低秩约束项。这一策略可以降低类独有字典的原子之间的相关性,促进原子之间相互独立,从而学习出结构更紧凑的判别性字典。在ADL和BreaKHis数据集进行的实验结果表明,与现有算法相比较,LRCDDL算法具有更高的分类精度。(2)上述提出的LRCDDL算法虽然在组织病理图像的分类上取得了一定的效...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 背景与意义
    1.2 组织病理图像分类的研究现状
        1.2.1 基于手工特征的算法
        1.2.2 基于稀疏表示的算法
        1.2.3 基于深度学习的算法
    1.3 字典学习的研究现状
    1.4 本文研究内容与创新点
    1.5 本文的结构安排
第二章 字典学习的相关理论
    2.1 字典学习基本模型
    2.2 常用的优化算法
        2.2.1 OMP算法
        2.2.2 K-SVD算法
        2.2.3 ADMM算法
    2.3 判别性字典学习
    2.4 本章小结
第三章 基于低秩约束的判别性字典学习
    3.1 引言
    3.2 低秩表示理论
    3.3 低秩表示算法
    3.4 基于低秩约束的判别性字典学习算法
        3.4.1 训练阶段
        3.4.2 测试阶段
    3.5 实验分析
        3.5.1 ADL数据集
        3.5.2 BreaKHis数据集
        3.5.3 ADL数据集分类结果
        3.5.4 BreaKHis数据集分类结果
        3.5.5 实验参数分析
        3.5.6 图像块尺寸分析
        3.5.7 加噪声图像分类
        3.5.8 实验讨论
    3.6 本章小结
第四章 基于成对局部约束的判别性字典学习
    4.1 引言
    4.2 轮廓向量与字典原子的关系
    4.3 利用字典原子构造局部约束项
    4.4 基于成对局部约束的判别性字典学习算法
        4.4.1 PLCDDL模型
        4.4.2 PLCDDL模型优化
        4.4.3 组织病理图像分类器构造
    4.5 实验分析
        4.5.1 ADL数据集分类结果
        4.5.2 BreaKHis数据集分类结果
        4.5.3 整体分类性能评估
        4.5.4 实验参数分析
        4.5.5 图像块尺寸分析
        4.5.6 实验复杂度分析
        4.5.7 加噪声图像分类
        4.5.8 实验讨论
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士期间完成的学术论文及成果



本文编号：3816932