基于元学习框架的医学图像分类算法研究

发布时间：2022-12-22 19:54

　　在医学图像中,组织切片图像中密集分布的微血管是判别肿瘤生长和恶性程度的重要特征。针对微血管医学图像分类任务的分类算法对医疗诊断有着重要的辅助作用。同时,皮肤癌作为全球最常见的癌症,通常是通过皮肤表层的色素和纹理来诊断皮肤病变类型。但是,由于皮肤病理类型的种类多,且病理特征较为复杂,往往需要经过专业培训的医学工作者才能完成诊断工作。因此,有效的自动化皮肤病理检测算法可以在很大程度上缓解皮肤病变诊断中所需的人力资源。然而,利用深度神经网络处理图像分类任务往往需要大量样本参与训练。但在医学领域中,很难满足深度学习所需的大量数据。同时,基于大规模数据的深度学习网络模型泛化性弱,很难在短时间内适应新的分类任务。因此,本文提出以元学习框架为基础对医学图像分类问题展开分析,主要研究内容为以下三个方面:1.研究和分析了医学图像的预处理方法。本文根据微血管图像对于颜色特征的敏感性,采用基于单对抗神经元（Single Opponent,SO）的特征提取算法对其进行图像的预处理。针对皮肤病理图像的照度异常问题对病理区域特征产生的消极影响,本文采用自适应环绕调制（Adaptive Surround Modul... 

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 医学图像分类的研究现状
        1.2.2 元学习算法的研究现状
    1.3 论文的研究目标和研究内容
    1.4 论文的结构安排
第二章 医学图像分类的相关技术简介
    2.1 元学习算法
        2.1.1 基于初始化权重的元学习算法
        2.1.2 基于通用特征学习的元学习算法
    2.2 卷积神经网络
        2.2.1 卷积神经网络特点
        2.2.2 卷积神经网络基本结构
        2.2.3 卷积神经网络模型
    2.3 相关滤波算法
    2.4 本章小结
第三章 医学图像的预处理算法
    3.1 基于单对抗神经元模型的微血管特征预处理
    3.2 基于色彩恒常算法的皮肤病理图像的预处理
    3.3 非均衡医学图像样本的预处理
        3.3.1 基本图像处理技术的数据增强
        3.3.2 基于CGAN的医学图像生成算法
        3.3.3 基于最大熵的样本均衡化算法
    3.4 本章小结
第四章 基于MAML优化的医学图像分类算法
    4.1 基于MAML的医学图像分类算法
    4.2 基于相关滤波投票的元学习算法
        4.2.1 多批次投票机制
        4.2.2 基于相关滤波的元学习算法
    4.3 MAML网络模型
        4.3.1 MAML网络模型的特点
        4.3.2 MAML网络模型的改进
    4.4 本章小结
第五章 基于LSTM优化元学习的医学图像分类算法
    5.1 双对抗神经元模型
        5.1.1 Gabor滤波器
        5.1.2 基于双对抗神经元模型的微血管图像特征处理
    5.2 基于LSTM的元学习算法
        5.2.1 基于LSTM的模型
        5.2.2 基于LSTM优化元学习的算法
        5.2.3 基于LSTM优化元学习的DO通道图像分类算法
    5.3 本章小结
第六章 实验部分
    6.1 数据集介绍
    6.2 实验评价指标
    6.3 医学图像预处理的实验结果分析
        6.3.1 医学图像特征预处理实验结果分析
        6.3.2 医学图像样本均衡化处理的实验结果分析
    6.4 基于优化元学习的医学图像分类算法实验结果分析
        6.4.1 相关滤波优化元学习分类算法的实验结果分析
        6.4.2 基于MAML网络改进的实验结果分析
        6.4.3 基于LSTM优化元学习分类算法的实验结果分析
    6.5 本章小结
第七章 全文总结与展望
    7.1 全文总结
    7.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3723938