基于生成对抗网络的皮肤镜图像分割算法研究

发布时间：2020-03-29 09:06

【摘要】：黑色素瘤是致死率很高的一种皮肤癌,近年来发病人数有逐年增加的趋势。早期的黑色素瘤诊断可以有很高的治愈率,皮肤镜成像作为早期诊断的主要手段在黑色素瘤的判断中有着很重要的地位。计算机辅助诊断可以为黑色素瘤的诊断提供客观的诊断意见。作为皮肤镜图像诊断流程中的关键一步,损伤区域的分割对后续的诊断结果有直接的影响。医学图像处理存在噪声多、灰度不均、器官的形状发生变化、特征难提取等难点,传统的分割方法处理效果不好。基于深度学习的图像分割技术,利用其强大的特征提取能力和自动诊断能力,能够较好地解决上述难点,提高皮肤镜图像分割的准确率。本文针对皮肤镜图像损伤区域分割算法存在的复杂度高,计算时间长、对特殊图像分割效果差等问题,提出了一种基于生成对抗网络的皮肤镜图像损伤区域分割算法。首先,基于Unet网络生成分割网络,使用Batch Normalization(批规范化)处理并添加一定的高斯噪声,以提高训练的稳定性和避免过拟合现象的出现;其次,放弃池化层采用全卷积层连接生成对抗网络,通过卷积层的步长实现类似池化的效果,使网络可以学习到自己的空间采样;最后,为对抗网络、生成对抗网络设计损失函数,提高收敛速度和网络的准确度。在训练过程中,把原始图像和样本标签图像组成四维向量数据输入进对抗网络,可以提高网络的分割能力。通过ISBI2016 skin lesion 比赛数据的测试,本文提出的方法可以正确的把损伤区域分割出来,尤其适用于低对比度特殊图像的分割,并可实现端到端的自动分割;与SegNet、Unet医学图像分割常用的网络和现有的一些皮肤镜图像分割方法结果相比较,在分割的评价标准、分割的效果上明显优于这些方法。
【图文】：

在中国，近年来黑色素瘤的发病率也呈增长趋势，每年新增约２万病例，己逡逑成为严重危害我国人民健康的疾病之一，但是黑色素瘤长期以来不被普通民众逡逑所认知，甚至连一般的医务工作者也不是很熟悉叫。逡逑黑色素瘤又称为恶性黑色素瘤，在人体内有一种会产生黑色素蛋白质抵抗紫逡逑外线的细胞叫做黑色素细胞。这种细胞有无限生长的特性，当黑色素细胞过度逡逑生长时便会产生黑色素瘤。黑色素瘤的早期诊断是很关键的，因为这时候的黑逡逑

但是高层特征具有位置相关性。每一个卷积核可以得到一种特征，设置多个卷逡逑积核便可以得到多个特征，利用这些特征便可以拿来进行图像的识别和分类。逡逑如图２．邋３所示。逡逑７逦８逦９逦５逦——————逡逑逦邋————逦１５邋２２邋１７逡逑ｉNNN以NNｇ邋丁１７逡逑３逦３逦２逦７逦１逦０逦＇＇逦逡逑逦邋————逦１２逦６逦１０逡逑６逦１１１逦——————逡逑图２．３卷积操作示意图逡逑Ｆｉｇ．邋２．３邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｃｏｎｖｏｌｕｔｉｏｎ邋ｏｐｅｒａｔｉｏｎ逡逑池化操作。池化操作的原理在于，，图像中的相邻位置的像素是相关联的，对逡逑于图像来说，隔行采样，得到的结果依然是可以接受的。在图像的ｎＸｎ区域内逡逑８逡逑
【学位授予单位】：山东科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;R751

【相似文献】

相关期刊论文 前10条

1 韩悬;马银平;;分水岭算法的改进及在图像分割中的应用[J];现代信息科技;2019年24期

2 黄玲;石玉秋;覃永新;;基于小波融合的苹果图像分割的研究[J];科技视界;2018年29期

3 侯红英;高甜;李桃;;图像分割方法综述[J];电脑知识与技术;2019年05期

4 姚霆;张炜;刘金根;;基于深度学习的图像分割技术[J];人工智能;2019年02期

5 丁翠;;基于模糊信息处理的图像分割方法研究[J];信息系统工程;2017年11期

6 王平;魏征;崔卫红;林志勇;;一种基于统计学习理论的最小生成树图像分割准则[J];武汉大学学报(信息科学版);2017年07期

7 李然;李记鹏;宋超;;基于显著性检测的协同图像分割研究[J];现代计算机(专业版);2017年24期

8 邓惠俊;;一种基于数据场的图像分割方法与研究[J];长春工程学院学报(自然科学版);2016年02期

9 李继云;冀卿伟;;基于自适应局部阈值的交互式图像分割[J];计算机应用与软件;2014年11期

10 刘印;;对图像分割方法的认识及新进展研究[J];数码世界;2018年08期

相关会议论文 前10条

1 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

3 朱士蓉;谢昭;高隽;;一种图模型下的柔性图像分割方法[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年

4 朱松豪;刘佳伟;罗青青;胡荣林;;基于关联模型的图像分割[A];第26届中国控制与决策会议论文集[C];2014年

5 张志会;王华英;熊南燕;廖薇;成惠;刘飞飞;;对基于图像分割与合并的相位展开算法的改进[A];第十届全国光电技术学术交流会论文集[C];2012年

6 杨加文;谢凤英;;基于深度学习的皮肤镜图像分割[A];第十五届中国体视学与图像分析学术会议论文集[C];2017年

7 郭世可;董槐林;龙飞;张海波;;一种结合密度聚类和区域生长的图像分割方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

8 刘智勇;李进;黄道君;;基于遗传算法的视频交通量检测图像分割方法[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

9 张萍;单筱攸;巴成贺;;主动脉图像分割的研究与实现[A];第十二届中国体视学与图像分析学术会议论文集[C];2008年

10 赵建业;余道衡;;一种基于模糊细胞神经网络的多值图像分割新方法[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

相关重要报纸文章 前1条

1 赵利利;图像分割出新方法[N];中国科学报;2019年

相关博士学位论文 前10条

1 王晨;视觉显著性检测方法研究及其应用[D];西北工业大学;2018年

2 邵光普;基于混合模型和空间信息的图像分割研究[D];华中科技大学;2019年

3 古晶;基于稀疏特征学习的SAR图像分割与半监督分类方法研究[D];西安电子科技大学;2016年

4 段一平;基于层次视觉计算和统计模型的SAR图像分割与理解[D];西安电子科技大学;2017年

5 胡佩君;腹部CT图像分割的可计算建模方法研究[D];浙江大学;2018年

6 姜枫;基于语义识别的砂岩薄片图像分割方法研究[D];南京大学;2018年

7 赵晓丽;面向图像分割的智能算法研究[D];上海大学;2018年

8 倪波;高强度聚焦超声图像分割方法研究[D];武汉大学;2016年

9 彭自立;用于交互式图像分割的自适应表观分离[D];湖南师范大学;2018年

10 瞿绍军;基于最优化理论的图像分割方法研究[D];湖南师范大学;2018年

相关硕士学位论文 前10条

1 朱荽;基于密度峰值聚类的图像分割方法研究[D];重庆邮电大学;2019年

2 潘晖;基于图像分割中轮廓提取的目标检测方法[D];湘潭大学;2019年

3 赵俊丽;量子萤火虫算法改进及其在图像阈值分割中的应用[D];宁夏大学;2019年

4 程伟;智能优化算法的改进及其在图像分割中的应用研究[D];南昌大学;2019年

5 奚文娟;基于图像分割的细胞检测与跟踪算法研究[D];哈尔滨工业大学;2019年

6 刘雪鸣;基于摄像法的街道环境主观恢复性效益影响因素研究[D];哈尔滨工业大学;2019年

7 刘广泽;基于纹理位置约束的超声图像分割方法研究[D];哈尔滨工业大学;2019年

8 张雪茹;数学图像分割在生物医学视频上的应用[D];哈尔滨工业大学;2019年

9 张凯文;基于U-Net的肝脏CT图像分割研究[D];华南理工大学;2019年

10 杨金玉;膜聚类算法及其在图像分割中的应用[D];西华大学;2019年

本文编号：2605765