基于深度学习框架的甲状腺结节检测与分类

发布时间：2023-04-22 17:38

　　随着预防医学的发展,人们越来越重视健康管理,在日常体检中,甲状腺结节被发现有较高的发病率,并逐渐成为成年人最常见的结节性肿瘤之一。超声检查是甲状腺结节临床诊断的首选筛查方法,精确诊断则主要通过细针穿刺活检(FNAB)。临床上,甲状腺结节的良恶性人工诊断与个人的临床医学经验密切相关,甲状腺结节的超声图像具有不同的外观,内部特征和模糊的边界,这些给人工视觉识别带来一定难度,从而容易造成误诊以及诊断结果不统一的情况,进而导致过渡治疗现象。随着人工智能技术的发展,深度学习在医学图像诊断领域取得了巨大进展,具体到甲状腺结节的良恶性识别,基于超声图像,构建模型实现结节的自动识别及良恶性分类,能有效辅助医生智能诊断。由于结节的大小不一,形状、质地各异等特征,构建精准而高效的识别模型具有一定的研究价值和临床应用价值。本文在对甲状腺结节超声图像采集的基础上,首先,对图像数据进行预处理,其次,构建深度学习模型实现对甲状腺结节的位置检测和良恶性识别,并构建数据集进行模型评估,最后,设计开发并实现了一个甲状腺结节标记识别系统。主要内容包括:1)提出了一种深度学习架构,其是基于YOLOv3的稠密的多感受野的卷积...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 专家系统方法
        1.2.2 人工特征法与机器学习方法
        1.2.3 深度学习方法
    1.3 论文的主要内容和创新点
    1.4 论文组织和结构
2 深度卷积神经网络
    2.1 传统的卷积分类架构
        2.1.1 卷积层
        2.1.2 激活函数
        2.1.3 批量正则化
        2.1.4 池化层
    2.2 目标检测架构
        2.2.1 Two-stage方法
        2.2.2 One-stage方法
        2.2.3 对比与分析
    2.3 本章小结
3 甲状腺超声影像人工标记的处理
    3.1 问题描述
    3.2 人工标记的去除
    3.3 人工标记的修复
    3.4 本章小结
4 超声甲状腺结节的特征提取
    4.1 超声甲状腺结节传统特征提取方法
        4.1.1 形状和边缘提取
        4.1.2 纹理提取
    4.2 超声甲状腺结节深度学习特征提取方法
    4.3 实验
        4.3.1 数据集和评价标准
        4.3.2 实验设置
        4.3.3 结果与讨论
    4.4 本章小结
5 超声甲状腺结节的识别与检测
    5.1 Anchor box的获取
        5.1.1 人工经验获取
        5.1.2 k-means算法获取
    5.2 多尺度的检测层
    5.3 损失函数
    5.4 实验
        5.4.1 数据集和评价标准
        5.4.2 实验设置
        5.4.3 结果与讨论
    5.5 本章小结
6 系统设计与实现
    6.1 系统概述
        6.1.1 系统设计意义和背景
        6.1.2 系统设计的目标
    6.2 系统可行性分析
        6.2.1 技术可行性
        6.2.2 资源可行性
        6.2.3 安全可行性
    6.3 系统需求分析
    6.4 系统概要设计
        6.4.1 总体框架结构设计
        6.4.2 数据库实体与属性的提取
        6.4.3 数据库E-R图设计
        6.4.4 数据库表设计
    6.5 系统详细设计
        6.5.1 数据脱敏与可视化模块
        6.5.2 超声甲状腺结节智能检测与识别模块
        6.5.3 矩形框标注模块
        6.5.4 分割框标注模块
        6.5.5 特征染色模块
    6.6 系统测试
        6.6.1 功能测试
        6.6.2 系统兼容性测试
        6.6.3 性能测试
    6.7 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢



本文编号：3798110