基于深度学习的喉镜声带图像病灶辅助诊断系统的设计与实现

作     者：杨江河 

作者单位：厦门大学 

学位级别：硕士

导师姓名：黄联芬

授予年度：2018年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：视频喉镜 声带诊断 深度学习 

摘      要：近几年来声带小结和声带息肉的发病率日趋增高,两者的影像表现相似,但是成因和治疗方法不同,最重要的是声带息肉的癌变率也在逐年增高,因此正确区分声带小结和声带息肉有着重要的意义。本文从声带图像采集和声带图像处理两个方面切入,设计并实现声带病灶辅助诊断系统。在声带图像采集方面,深入调研了现有市面上的视频喉镜,并针对其存在的缺陷,设计并实现了基于WiFi的无线高清视频喉镜系统。系统提高视频分辨率至640*480,并且能够实时传输,传输时延控制在200ms左右;采用无线传输,既能减小喉镜手柄体积,又能方便医生操作;采用数字传输,方便后期声带图像数据的存储和处理。在声带图像处理方面,基于传统浅层学习和深度学习算法在CAD应用的对比,选择能直接从训练数据集中提取特征,减少人工干预的深度学习算法应用于本系统,并调研了深度学习算法的发展历史及其在医学图像领域的应用情况。以声带图像为研究对象,利用深度学习算法构建一种基于卷积神经网络的声带病灶辅助诊断系统,采用了在医学图像处理方面有独特优越性的AlexNet模型,使用数据增强和迁移学习的方法,解决声带图像数据集数量较小与深度卷积神经网络模型训练需要大量数据之间的矛盾,使系统能更好的区分声带正常、声带小结和声带息肉。