医学不平衡样本集分类关键技术研究
发布时间：2021-04-20 22:08
医学图像分类是医学图像分析中最重要的任务之一,在实际应用中,通常会面临样本集不平衡的问题,即不同类别间的样本数量存在较大差异,往往表现为阳性样本数少于阴性样本数。并且这种样本不平衡问题在医学领域是天然存在的,因此是医学图像分析中难以避免的一个问题,也是医学图像分类识别任务中的主要挑战之一。本论文主要针对医学图像分类中的类不平衡问题进行研究,主要工作内容如下:1.研究了使用胶囊网络来进行医学不平衡样本集分类的方法,胶囊网络可以克服卷积神经网络对大量训练数据依赖的缺点,并在不平衡数据集上表现出了更好的鲁棒性。根据医学图像数据集具有的数据不平衡和数据有限的两个特点,胶囊网络具有更适用于医学图像分析任务的优点,实验结果验证了胶囊网络在医学图像分类任务上的可行性与有效性。2.改进了原有胶囊网络的损失函数。为有效解决医学图像分类任务中的类不平衡问题,避免数据采样带来的过拟合或者重要数据丢失的风险,本论文从算法层面出发,引入了类平衡损失来改进胶囊网络的损失函数,改进后的损失函数根据每个类的有效样本数量来对每个类进行重新加权,以平衡各个类对总体损失的贡献。实验结果表明改进后的损失函数能够有效引导模型在...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 论文研究背景及意义
1.2 论文相关研究现状
1.2.1 不平衡样本集的分类研究现状
1.2.2 基于深度学习的医学图像分类研究现状
1.3 论文主要的研究内容
1.4 论文章节安排
第二章 相关技术理论
2.1 引言
2.2 卷积神经网络
2.2.1 网络结构
2.2.2 池化
2.2.3 不变性和同变性
2.3 胶囊网络
2.3.1 网络结构
2.3.2 向量神经元与标量神经元
2.3.3 迭代动态路由算法
2.4 类不平衡问题
2.5 注意力机制
2.6 本章小结
第三章 基于胶囊网络的医学图像分类模型
3.1 引言
3.2 相关模型与技术
3.3 数据集介绍与处理
3.3.1 ISBI2016 数据集
3.3.2 LIDC-IDRI数据集
3.3.3 两个基准数据集
3.4 医学图像良恶性分类模型训练
3.4.1 基于CapsNets的分类模型
3.4.2 基于CNN的分类模型
3.5 实验设计与结果分析
3.5.1 实验环境配置
3.5.2 实验评价指标
3.5.3 基于训练数据集有限的分类实验
3.5.4 基于不平衡数据集的分类实验
3.5.5 与其他算法对比
3.6 本章小结
第四章 基于胶囊网络的分类模型改进设计
4.1 引言
4.2 基于类平衡的胶囊网络损失函数改进设计
4.2.1 类平衡损失（Class-Balanced Loss）
4.2.2 基于类平衡的胶囊网络损失函数改进设计
4.3 类平衡注意力胶囊网络（Class-Balanced Attention CapsNet）
4.3.1 基于自注意力的胶囊网络模型改进设计
4.3.2 类平衡注意力胶囊网络模型训练流程
4.4 实验设计与结果分析
4.4.1 基于类平衡损失的胶囊网络的良恶性分类实验
4.4.2 基于类平衡注意力胶囊网络的良恶性分类实验
4.4.3 与其他算法对比
4.5 本章小结
第五章 基于CBACN分类模型的医疗辅助诊断系统设计与实现
5.1 引言
5.2 需求分析
5.2.1 功能需求
5.2.2 开发和运行环境需求
5.3 系统设计
5.3.1 架构设计
5.3.2 系统病例诊断流程
5.4 功能模块实现
5.4.1 病例管理模块
5.4.2 诊断管理模块
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 未来展望
致谢
参考文献
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[2]不平衡分类问题研究综述[J]. 叶志飞,文益民,吕宝粮. 智能系统学报. 2009(02)
本文编号：3150494
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 论文研究背景及意义
1.2 论文相关研究现状
1.2.1 不平衡样本集的分类研究现状
1.2.2 基于深度学习的医学图像分类研究现状
1.3 论文主要的研究内容
1.4 论文章节安排
第二章 相关技术理论
2.1 引言
2.2 卷积神经网络
2.2.1 网络结构
2.2.2 池化
2.2.3 不变性和同变性
2.3 胶囊网络
2.3.1 网络结构
2.3.2 向量神经元与标量神经元
2.3.3 迭代动态路由算法
2.4 类不平衡问题
2.5 注意力机制
2.6 本章小结
第三章 基于胶囊网络的医学图像分类模型
3.1 引言
3.2 相关模型与技术
3.3 数据集介绍与处理
3.3.1 ISBI2016 数据集
3.3.2 LIDC-IDRI数据集
3.3.3 两个基准数据集
3.4 医学图像良恶性分类模型训练
3.4.1 基于CapsNets的分类模型
3.4.2 基于CNN的分类模型
3.5 实验设计与结果分析
3.5.1 实验环境配置
3.5.2 实验评价指标
3.5.3 基于训练数据集有限的分类实验
3.5.4 基于不平衡数据集的分类实验
3.5.5 与其他算法对比
3.6 本章小结
第四章 基于胶囊网络的分类模型改进设计
4.1 引言
4.2 基于类平衡的胶囊网络损失函数改进设计
4.2.1 类平衡损失（Class-Balanced Loss）
4.2.2 基于类平衡的胶囊网络损失函数改进设计
4.3 类平衡注意力胶囊网络（Class-Balanced Attention CapsNet）
4.3.1 基于自注意力的胶囊网络模型改进设计
4.3.2 类平衡注意力胶囊网络模型训练流程
4.4 实验设计与结果分析
4.4.1 基于类平衡损失的胶囊网络的良恶性分类实验
4.4.2 基于类平衡注意力胶囊网络的良恶性分类实验
4.4.3 与其他算法对比
4.5 本章小结
第五章 基于CBACN分类模型的医疗辅助诊断系统设计与实现
5.1 引言
5.2 需求分析
5.2.1 功能需求
5.2.2 开发和运行环境需求
5.3 系统设计
5.3.1 架构设计
5.3.2 系统病例诊断流程
5.4 功能模块实现
5.4.1 病例管理模块
5.4.2 诊断管理模块
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 未来展望
致谢
参考文献
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[2]不平衡分类问题研究综述[J]. 叶志飞,文益民,吕宝粮. 智能系统学报. 2009(02)
本文编号：3150494
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3150494.html
