基于深度卷积网络的皮肤病变图像自动分割与识别研究

发布时间：2025-01-14 17:33

　　以黑色素瘤为代表的皮肤色素性恶性病变具有极高的致死率。黑色素瘤发病早期易与黑色素痣等有较高发病率的良性病变混淆,导致治疗延误。现阶段基于皮肤镜进行皮肤色素性病变诊断筛查的方式依赖医生临床经验,较为耗时,存在一定主观性。而构建面向皮肤色素性病变的计算机辅助诊断系统可以缓解紧张的医疗资源,减轻医生的工作负担,提高筛查诊断效率,为患者争取宝贵的治疗时机。针对皮肤色素性病变图像临床表现变化较大、病灶边界模糊的问题,本文基于深度卷积网络,从皮肤色素性病变的病灶区域分割和病变识别两个方面对皮肤色素性病变计算机辅助诊断方法进行研究。本文的主要研究工作如下:(1)本文基于UNet卷积神经网络进行改进,提出基于多级特征融合的两阶段卷积神经网络分割算法。编码部分采用多级特征融合可以促进解码部分对空间位置信息的恢复,解码部分采用多级特征融合促进梯度信息的流动。针对病灶区域灰度不均匀问题,在编码部分引入可变形卷积来自适应增大感受野。最后,通过两阶段方法进一步提升小尺度病灶区域的分割效果。对比基于ResNet50网络的基础分割模型,利用本文提出的改进,在PH2数据集上的Jaccard Index分割性能指标获得了...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图2一步长为l的二维卷积运算示意图

北京邮电大学工学硕士学位论文卷积神经网络强大的特征提取能力，这也是卷为全面的介绍卷积运算的原理和卷积的特性，因卷积操作区别于其他类别神经网络。卷积层ｋｅｒｎｅｌ）进行离散卷积操作。卷积运算可视为卷积程，卷积层的输出称为特征图（ｆｅａｔｕｒｅｍａｐｓ），里的卷积操作并非严格等价于数....

图２－３多通道输入卷积运算简单示例图??

图２－４?ＶＧＧ１６网络模型??

特点：分离融合结构和卷积分解。卷积分解的目的是压缩模型参数数量，从类似??ＶＧＧ１６的多个小卷积层替代大卷积层，到极致地将卷积分解为ｌｘｎ和ｎｘｌ的卷??积层，衍生出Ｉｎｃｅｐｔｉｏｎ网络不同的版本。对于分离融合结构，如图２－５展示的??ＩｎｃｅｐｔｉｏｎＶｌ网络模型的Ｉｎｃｅｐ....

图２－６残差模块结构??

度网络仍会陷入模型退化的问题。ＲｅｓＮｅｔ网络基于残差学习的思想，将残差结构引??入到模型中，利用残差函数来逼近高度抽象的恒等映射，同时短路连接也促进梯度信息??的流动，使得能够训练更深的网络，模型性能得以提升。残差结构如图２－６所示：??ｃ－ｄｉｍｅｎｓｉｏｎ?ｃ－ｄｉｍｅｎｓ....

本文编号：4026948