基于深度学习的鼻咽癌分类诊断以及远转预测

发布时间：2020-05-09 18:17

【摘要】：在我国鼻咽癌是一种致死率相当高的恶性肿瘤,实现其快速诊断具有重要意义。鼻咽癌的早期快速诊断以及治疗后是否发生远处转移对患者的健康具有重要的影响。鼻咽癌的诊断通常根据病理图像的结果进行判断,病理图像分析准确,具有很高的权威性,但数据量大,在进行分析时需要耗费大量的人力和物力。近几年,深度学习的崛起使鼻咽癌的诊断在病理方面变得相对简单、容易。本课题将医生标注的鼻咽癌病理图像数据作为研究对象,采用了基于深度卷积神经网络特征融合的方法进行鼻咽癌诊断分析,通过此算法识别出病理图像数据中的患癌区域。根据上述算法对鼻咽癌远处转移的部分数据进行标注,与医生标注的数据合并作为数据集,通过实验预测分析鼻咽癌患者在经过治疗后是否发生远处转移。通过以上两个实验证明,上述两种算法具有较高的学术意义以及使用价值。本论文的创新研究工作主要有以下两个方面:1、构建了一种基于深度卷积神经网络的鼻咽癌病理图像肿瘤区域自动检测和诊断的模型方法,通过VGG-16与Inception-v3模型将不同分辨率的病理图像数据提取特征,通过融合模型在网络的后端进行特征融合并识别出患癌区域。2、针对鼻咽癌远处转移的问题,在上述实验基础上对数据集进行标注,处理数据时运用迁移学习的方法提取特征,结合传统的机器学习方法进行分析与判断患者是否发生远处转移。
【图文】：

卷积层与上一层通过局部连接而非全连接的方式，图像局部像素之间有较强的逡逑联系，含有大量的图像特征信息，而与距离较远的像素之间的关联性较弱。深逡逑度卷积神经网络与传统人工神经网络的层与层之间的连接方式区别如图２．１所逡逑示：逡逑１０逡逑

＿＞ｊ逦Ｒ0ｎｊａ逡逑图２．１全连接与局部连接区别逡逑Ｆｉｇ邋２．１邋Ｔｈｅ邋ｄｉｆｆｅｒｅｎｃｅ邋ｂｅｔｗｅｅｎ邋ｔｈｅ邋ｆｕｌｌ邋ｃｏｎｎｅｃｔｉｏｎ邋ａｎｄ邋ｔｈｅ邋ｌｏｃａｌ邋ｃｏｎｎｅｃｔｉｏｎ逡逑上图（左）显示的是全连接神经网络的连接方式，，隐藏层的每个神经元都逡逑与输入层的所有神经元相连接，每一个连接都具有一个权值参数，而右图为卷逡逑积神经网络的局部连接，下一层的yL经元只与其对应的感受野内部的神经元相逡逑连接，从直观上看，这种连接方法较全连接更为简单。虽然从直观上看二者的逡逑连接方式差距很大，但总体的框架结构颇为相似。深度卷积神经网络在训练网逡逑络的方式上与传统的yL经网络颇为相似，只不过在原有的梯度下降算法的基础逡逑上进行了改进，目前大多采用ｍｉｎｉ－ｂａｔｃｈ的随机梯度下降算法来进行网络的优逡逑化以及训练
【学位授予单位】：山东科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R739.63;TP391.41;TP18

【相似文献】

相关期刊论文 前10条

1 廖维婷;陈文勇;;鼻咽癌相关基因的研究进展[J];中医耳鼻喉科学研究;2011年02期

2 ;鼻咽癌标志物临床应用专家共识[J];中国癌症防治杂志;2019年03期

3 黎骋;郑裕明;郭俊宇;马丽萍;陆爱英;汤敏中;吴惠惠;蔡永林;;鼻咽癌组织中多聚免疫球蛋白受体的表达及意义[J];山东医药;2015年46期

4 叶浩昕;范绍

本文编号：2656537