当前位置:主页 > 医学论文 > 生物医学论文 >

基于深度学习的医学pathway图识别

发布时间:2020-07-27 14:56
【摘要】:医学pathway图以节点——边——节点的形式详细地描述了生物体内分子间相互转化的关系,一整张pathway图展示了与某种生理状态相关的所有代谢通路。对pathway图的分析和挖掘可以辅助医生发现新的治疗通路,确定最有效的治疗方案。由于医学pathway图数量多,结构复杂,人工对其识别会花费大量的时间。本文将重点研究基于深度学习的目标检测识别模型并应用到pathway图的自动检测识别中。具体工作如下:首先,通过分析多种基于深度学习的目标检测方法的优劣性及适用场景,针对医学pathway图中元素种类多,整体结构复杂的特点,采用检测精度好,检测速度快的多目标检测模型SSD来实现图中多种元素的检测和定位。通过构建各元素的数据集,训练得到检测模型,通过对检测结果的准确率、查全率进行分析,评价模型检测性能的优劣。实验表明,在数据集数量一定的情况下,适当增加训练时的迭代次数可以有效地提高检测结果的精度,降低目标的漏检率。接着,采用分割加识别的方法对pathway图中的字符串进行识别。常用的投影分割字符法在分割未粘连字符中具有良好的性能,针对粘连字符串,本文采用滴水法进行字符分割。针对pathway图中的字符串包含了许多特殊字符(如希腊字母,各种标点符号等)的情况,本文对每个字符构建了 100张32X32像素的数据集,再将其输入卷积神经网络训练得到字符识别模型。最后,将元素检测和字符识别模块进行整合,设计了医学pathway图识别框架并实现了实验演示系统。
【学位授予单位】:宁夏大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP18;R318;TP391.41
【图文】:

基本构架,卷积,全连接


卷积神经网络是一种前馈神经网络,其核心思想是卷积操作,具有局部连接、权重共享等逡逑特性。近年来,卷积神经网络被广泛应用于图像识别等领域,在许多项目中都取得了很大的成逡逑功[27]。图2-1是卷积神经网络的基本结构,整个网络由输入层、卷积层、激活函数、池化层和逡逑全连接层组成。当输入层的数据为图像时,计算机将其理解为若干个矩阵,再对这些矩阵进行逡逑卷积、池化等操作,将图像中的特征信息提取出来。卷积神经网络的最后一层为全连接层,用逡逑于将前层网络提取到的特征综合在一起。在全连接层,需要计算预测值与真实值之间的差值,逡逑即为损失值(loss),再通过反向传播算法(back-propagation邋algorithm)将loss逐一向前反逡逑馈,完成前面每层参数的更新后向全连接层再次进行传播,反复执行此过程,不断更新参数直逡逑到整个模型收敛为止。逡逑?逦全逡逑输逦卷^邋4----池?…连逦分逡逑入 ̄卜积逦S逦化逦接 ̄^类逡逑逦?前向传播……??反向传播逡逑图2-1卷积神经网络基本构架逡逑2.1.1卷积层逡逑卷积层被用来提取图像中的特征信息,每一次卷积操作的对象是图像中的一块局部区域。逡逑当输入神经网络的数据为一个二维矩阵时,卷积操作的过程如图2-2所示,假设输入矩阵维数逡逑为5X5

卷积运算,示例,过程,卷积


卷积神经网络是一种前馈神经网络,其核心思想是卷积操作,具有局部连接、权重共享等逡逑特性。近年来,卷积神经网络被广泛应用于图像识别等领域,在许多项目中都取得了很大的成逡逑功[27]。图2-1是卷积神经网络的基本结构,整个网络由输入层、卷积层、激活函数、池化层和逡逑全连接层组成。当输入层的数据为图像时,计算机将其理解为若干个矩阵,再对这些矩阵进行逡逑卷积、池化等操作,将图像中的特征信息提取出来。卷积神经网络的最后一层为全连接层,用逡逑于将前层网络提取到的特征综合在一起。在全连接层,需要计算预测值与真实值之间的差值,逡逑即为损失值(loss),再通过反向传播算法(back-propagation邋algorithm)将loss逐一向前反逡逑馈,完成前面每层参数的更新后向全连接层再次进行传播,反复执行此过程,不断更新参数直逡逑到整个模型收敛为止。逡逑?逦全逡逑输逦卷^邋4----池?…连逦分逡逑入 ̄卜积逦S逦化逦接 ̄^类逡逑逦?前向传播……??反向传播逡逑图2-1卷积神经网络基本构架逡逑2.1.1卷积层逡逑卷积层被用来提取图像中的特征信息,每一次卷积操作的对象是图像中的一块局部区域。逡逑当输入神经网络的数据为一个二维矩阵时,卷积操作的过程如图2-2所示,假设输入矩阵维数逡逑为5X5

基于深度学习的医学pathway图识别


图2-6池化操作逡逑2-6,,“

【相似文献】

相关期刊论文 前10条

1 李彦飞;;图像中字符识别算法的设计与实现[J];中国多媒体与网络教学学报(电子版);2017年03期

2 ;有限自然码非接触光电字符识别[J];中国计量学院学报;2001年02期

3 陈磊;奥赛试题讲评:字符识别问题解答[J];电脑爱好者;1998年04期

4 钱真,宋克欧;一种新的手写体字符识别方法[J];哈尔滨船舶工程学院学报;1989年03期

5 陈薇,李勇;基于块输入的神经网络英语字符识别研究[J];计算机时代;2005年07期

6 张钦;黄孝彬;田沛;;近邻法字符识别算法分析[J];仪器仪表用户;2012年03期

7 张平,潘保昌;提高字符识别精度的并行处理方法[J];计算技术与自动化;1995年04期

8 罗世平;;智能字符识别系统[J];机械与电子;1993年01期

9 张红霞;王灿;刘鑫;白志城;付秀娟;王刚;梅天灿;王学华;;复杂背景图像的字符识别算法研究[J];计算机测量与控制;2019年08期

10 许振新;字符识别要面向应用[J];中国计算机用户;2003年13期

相关会议论文 前10条

1 刘云曼;王磊;;盲人阅读机中图像字符识别方法的研究[A];天津市生物医学工程学会第三十三届学术年会论文集[C];2013年

2 李玉良;王良松;李晶;;图像中数字字符识别技术概览[A];节能环保 和谐发展——2007中国科协年会论文集(一)[C];2007年

3 吴冯维;宋亮;王海宁;;字符识别技术在河湖工程划界资料处理中的应用[A];江苏省测绘地理信息学会2018年学术年会论文集[C];2018年

4 陆璐;张旭东;赵莹;高隽;;基于卷积神经网络的车牌照字符识别研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

5 朱小燕;史一凡;马少平;;脱机手写体字符识别研究[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年

6 张雪山;田慧;;字符识别系统的一种定位算法[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年

7 孙羽菲;张玉志;;一种应用于字符识别的特征评价新方法[A];第八届全国汉字识别学术会议论文集[C];2002年

8 哈力木拉提.买买提;;基于轮廓的维吾尔文切分[A];民族语言文字信息技术研究——第十一届全国民族语言文字信息学术研讨会论文集[C];2007年

9 唐轶峻;申小阳;朱雯兰;隋成华;;基于BP神经网络的数显仪表动态字符识别研究[A];浙江省光学学会第九届学术年会暨新型光电技术青年论坛论文集[C];2005年

10 韩峰;孙一翎;吴庆阳;袁霞;刘承香;黄海漩;黎国强;袁振东;徐平;;激光打标字符识别技术探索[A];中国光学学会2011年学术大会摘要集[C];2011年

相关重要报纸文章 前1条

1 郭剑 中国青年报·中青在线记者 洪克非;“完美药丸”选秀记[N];中国青年报;2018年

相关博士学位论文 前9条

1 彭健;多类小字符集自适应字符识别技术及系统的研究[D];重庆大学;2002年

2 罗特飞(Mohammed Lutf);基于HMM与决策树的多字体阿拉伯文的字符识别[D];华中科技大学;2015年

3 文颖;数字、字符识别及其应用研究[D];上海交通大学;2009年

4 郑阳;自然场景图像中文本检测技术研究[D];北京科技大学;2018年

5 许亚美;手写维吾尔文字识别若干关键技术研究[D];西安电子科技大学;2014年

6 张楠;低秩鉴别分析与回归分类方法研究[D];南京理工大学;2012年

7 朱安娜;基于卷积神经网络的场景文本定位及多方向字符识别研究[D];华中科技大学;2016年

8 张健;复杂图像文本提取关键技术与应用研究[D];南开大学;2014年

9 丛键;视频流分层传输与流中文本识别[D];电子科技大学;2001年

相关硕士学位论文 前10条

1 金冰鑫;基于深度学习的医学pathway图识别[D];宁夏大学;2019年

2 李明;基于SSD网络端到端的OCR识别方法研究与实现[D];西安电子科技大学;2019年

3 陈慷;车牌识别中去噪与字符识别算法的研究[D];安徽理工大学;2019年

4 黄榜;基于深度学习的多车牌字符识别算法研究[D];合肥工业大学;2019年

5 梅俊辉;物流票据信息提取与分析的研究[D];北京交通大学;2019年

6 赵慧敏;基于深度学习的银行卡识别系统设计开发[D];华北电力大学(北京);2019年

7 张军;基于机器视觉的奶粉盖信息识别系统设计[D];哈尔滨理工大学;2019年

8 阎晨阳;小字符喷码机的字符识别方法研究[D];广西师范大学;2019年

9 段西利;工业工件复杂表面的字符识别方法研究[D];西安理工大学;2019年

10 孙迪;基于深度学习的汽车电子线束图字符识别方法设计与实现[D];吉林大学;2019年



本文编号:2771994

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/swyx/2771994.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a5b79***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com