指关节炎超声图像的智能诊断研究

发布时间：2023-04-22 03:10

　　类风湿关节炎是一种以慢性侵蚀性关节炎为特征的全身性自身免疫病,而超声成像技术因其无创性、实时性好、操作简易等优点,已经为类风湿关节炎诊断的主要方式之一。然而在临床实践中,超声图像的诊断分析易受操作医师本身的理论水平、实践经验以及主观性判断等人为因素影响,导致诊断结果在准确性、可靠性和一致性上出现偏差。本文致力于研究一种基于卷积神经网络的类风湿关节炎超声图像分类方法,实现对类风湿关节炎超声图像的自动分类。本文针对现有类风湿关节炎超声图像分类方法一致性、可靠性差以及培训成本高的情况,基于深度学习中的卷积神经网络以及基本的图像处理方法,提出了一种基于卷积神经网络的超声图像分类方法,实现了对图像中目标区域的精准定位和对超声图像的精确分类。在提出的方法中,首先使用添加高斯噪声,对图像进行直方图均衡的方法对数据集进行增广;然后利用目标检测神经网络进行超声图像中目标区域的定位;然后利用加载预训练模型和微调的迁移学习方法进行卷积神经网络的调优,并进行测试;最后利用卷积神经网络进行超声图像的分析评估,并设计相应的图形界面供医生进行操作。本文提出的超声图像分类方法可在区分各个类风湿关节炎评级的任务中实现较...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景
    1.2 医学图像分析方法概述
    1.3 论文内容安排
第二章 卷积神经网络理论概述
    2.1 卷积神经网络的前馈运算和反馈运算
    2.2 卷积神经网络基本部件
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
        2.2.4 损失函数
    2.3 卷积神经网络的优化算法
    2.4 经典卷积神经网络概述
        2.4.1 LeNet
        2.4.2 AlexNet
        2.4.3 VGG-16
        2.4.4 GoogLeNet
        2.4.5 ResNet
    2.5 经典目标检测算法概述
        2.5.1 R-CNN
        2.5.2 Fast R-CNN
        2.5.3 Faster R-CNN
        2.5.4 YOLO
        2.5.5 SSD
第三章 指关节炎超声图像定位和评级分类
    3.1 基于PyQt5的关节超声图像自动评级软件
        3.1.1 PyQt5简介
        3.1.2 密码登录界面
        3.1.3 主界面
        3.1.4 新建患者档案界面
        3.1.5 浏览患者超声图像界面
    3.2 基于Faster R-CNN的滑膜区域定位
        3.2.1 实验数据采集
        3.2.2 实验环境搭建
        3.2.3 数据集制作
        3.2.4 Faster R-CNN目标检测网络模型
        3.2.5 网络模型训练
    3.3 基于GoogLeNet Inception V1的指关节炎超声图像分类
        3.3.1 实验数据增广方法
        3.3.2 GoogLeNet Inception V1分类网络模型
        3.3.3 网络模型训练
    3.4 Pytorch平台上的指关节炎超声图像评级实验
        3.4.1 ResNet分类网络模型
        3.4.2 网络模型训练
        3.4.3 加载网络模型推理
第四章 实验结果和分析
    4.1 五折交叉验证
    4.2 滑膜区域定位实验结果分析
        4.2.1 评价指标
        4.2.2 实验结果
        4.2.3 结果分析
    4.3 类风湿关节炎超声图像分类实验结果分析
        4.3.1 评价指标
        4.3.2 实验结果
        4.3.3 结果分析
第五章 总结与展望
参考文献
致谢
攻读学位期间的科研成果列表



本文编号：3796797