基于卷积神经网络的胶囊内镜息肉与溃疡辅助诊断

发布时间：2023-05-08 05:46

　　针对目前胶囊内镜(WCE)自动检测方法需要对每种病灶设计对应的识别算法以及识别准确率不高的问题,设计一种基于卷积神经网络的息肉与溃疡辅助诊断算法。与传统检测算法相比,卷积神经网络可自动学习病灶图像特征,实现更强泛化能力,更高准确率和效率。该方法针对具体WCE图像,首先评价图像R、G、B通道携带信息的特征;其次,分析全局直方图均衡化、伽玛变换和拉普拉斯变换对提升图像对比度的效果,选择其中表现最佳者与信息最丰富的2个颜色通道组合成3通道输入到卷积网络中训练和识别。测试表明,本算法识别准确率96.8%,比传统的经典图像检测方法高出至少16.73%,检测速度达到68.6图/s,能够推广应用到医疗辅助诊断领域。

【文章页数】：6 页

【文章目录】：
1 图像RGB通道分析
    (1)掩膜处理:
    (2)分析区域:
    (3)图像类别:
    (4)颜色直方图分析:
2 图像对比度增强方法分析
    2.1 全局直方图均衡化
    2.2 伽玛变换
    2.3 拉普拉斯变换
3 卷积神经网络结构
    3.1 网络输入
    3.2 网络结构
4 实验与结果
    4.1 实验数据
    4.2 几种预处理比较
    4.3 与经典机器视觉方法比较试验
5 结论



本文编号：3812110