基于深度神经网络的蕈样肉芽肿病理图像分析

发布时间：2021-08-04 13:21

　　蕈样肉芽肿是一种恶性程度较高的皮肤肿瘤,在早期容易与一些良性的皮肤炎症混淆,因此蕈样肉芽肿的准确识别和诊断是一个迫切需要解决的问题。蕈样肉芽肿的早诊断、早治疗将会在很大程度上提高患者的治愈率,从而让患者获益。病理诊断是目前蕈样肉芽肿诊断的金标准,皮肤病理医生通常是通过分析患者的皮肤病理图像中的多种组织成分和细胞的相关形态来寻找一些蕈样肉芽肿的有效特征,通过分析这些特征并根据医生的经验来进行诊断。但由于病理图像尺寸巨大,且组织类型多样,场景复杂,细胞分布混乱,使得医生在显微镜下的评估诊断工作量极大。为了提高诊断的准确性,亟需一些蕈样肉芽肿病理图像的自动和定量的方法。在此现状下,本文提出了一套蕈样肉芽肿多种组织成分的自动分割模型,能够在复杂场景下自动分割多种类型的组织。同时本文研究了细胞核的实例分割网络框架,从而能够对细胞核进行形态组织学的分析。在蕈样肉芽肿病理图像多种组织分割中,本文提出了一套级联深度网络模型。首先本文提出了一种快速密集网络（Fast and Dense VGG,FD-VGG）,用于多种组织更快速的初始分割。该网络以VGG作骨架网络,使用零填充卷积,改最后的池化层为平均池... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

蕈样肉芽肿的发展过程

南京信息工程大学硕士学位论文2早期诊断极为困难。（2）斑块期，又名浸润期，该期的组织相对来说有诊断价值。通常可出现3种变化：○1亲表皮现象；○2真皮浸润呈带状或斑片状；○3真皮浸润中出现很多MF细胞。在红斑期中浸入表皮的细胞和普通的淋巴细胞类似，而在斑块期浸入表皮的细胞已有MF细胞的表现。这种亲表皮现象不仅存在于表皮中，有时也可在毛囊上皮中发现。（3）肿瘤期，亲表皮现象不明显，真皮内发现有大片的浸润，这种浸润往往深达皮下组织。在大多数病例中，浸润主要由MF细胞组成，核异形、深染和大小有显著差别。图1.2MF全景病理图像在不同放大倍数下的感兴趣区域（绿色框内）。（a）为MFHE病理图像在1倍下即原始放大倍数下的图像；从（b）到（d）分别是MF病理图像在目镜4、10和40倍下的图像。蕈样肉芽肿（MF）的诊断主要依赖H&E染色的病理图像，有时会通过免疫组化进行进一步分析。H&E染色的病理图像是指由两种类型的染色剂对病理组织进行染色，其中苏木精(Hematoxylin)为碱性染色剂，可以将细胞核染成蓝紫色，伊红(Eosin)为酸性染色剂，可以将细胞质和细胞外的基质染为粉红色[7]。本文主要研究的是H&E染色的MF

第二章相关理论基础7中的卷积层和池化层交替连接在一起，通过池化层来降低数据维度，这样可以直接将多维输入的图像直接送入到CNN中，这一特性有效避免了数据分析的复杂过程。（1）卷积层：卷积层中的单元称为卷积核。每一个单元都相当于一个滤波器，每个滤波器都有一系列的权值，这些权值与上一层的特征图谱连接在一起，然后通过非线性激活函数（Sigmoid,Tanh和ReLU等）输出卷积后的特征图谱[40]。卷积核以滑动窗的形式遍历上整张图像，运算得到的结果被称为特征图谱。假设输入一张大小为M×N的图像,，1,1,卷积核为,，1,1，经过卷积运算后，卷积的输出为[41]：,∑∑,﹒,（2.1）（2）池化层：特征融合是池化层的主要目的，既能提高网络鲁棒性，还可以进行特征降维。利用局部特征相关原理，池化层对特征图像进行抽样，对不同位置的特征进行统计，同时对图像的缩放、平移旋转等具有不变性。比如最大池化取局部最大的特征作为输出结果，平均池化是取局部特征的平均值作为输出结果，而全局平局池化[42]则是取当前特征图谱上全部特征的平均值作为输出结果。图2.1展示3种池化方式的计算过程。在上一层的位置和特征值略有改变的情况下，池化层可以让池化后的特征基本不发生改变。图2.1不同的池化方式（3）激活函数层：激活函数一般为非线性函数，目的在于将网络原本学习到的有限的线性输出映射到非线性空间，使其能够学习到更复杂的特征，增强其空间表达能力。常用的激活函数有Sigmoid，Tanh和ReLU等，给定输入，ReLU的表达式为：

【参考文献】：
期刊论文
[1]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷.  中华肿瘤杂志. 2019 (01)
[2]基于深度卷积网络的结直肠全扫描病理图像的多种组织分割[J]. 蔡程飞,徐军,梁莉,魏建华,周洋枢.  中国生物医学工程学报. 2017(05)
[3]蕈样肉芽肿[J]. 张层层,吴娟,徐令祥.  世界最新医学信息文摘. 2015(29)



本文编号：3321773