检索结果-南通市图书馆

检索条件"主题词=细胞分类与分割"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于Transformer的病理细胞图像识别研究

基于Transformer的病理细胞图像识别研究

引用

作者：马建飞烟台大学

学位级别：硕士

病理图像是高像素、全信息、标准化的图像。临床诊断过程中,很多疾病的最终诊断都是医生通过分析人体组织或细胞的病理图像形态来给出详细的诊断结果,这依赖于医师的经验和专业知识,如果在有限的医疗条件下进行检测,将会影响诊断质量,... 详细信息

病理图像是高像素、全信息、标准化的图像。临床诊断过程中,很多疾病的最终诊断都是医生通过分析人体组织或细胞的病理图像形态来给出详细的诊断结果,这依赖于医师的经验和专业知识,如果在有限的医疗条件下进行检测,将会影响诊断质量,甚至出现错误的诊断决定。近年来大数据与人工智能技术的发展为数字病理图像中的细胞识别研究提供了强大的推动力。这不仅为病理医师的临床诊断与治疗提供支持与参考,使其能够快速、准确地做出非主观判断,同时也能提高病理诊断的准确性与效率。因此,本文提出基于Transformer的病理细胞图像分类与分割算法。以疟疾细胞和受猴痘病毒感染细胞为例,来实现疟疾细胞图像的自动分类和猴痘病毒感染病变区域的自动分割,对疟疾和猴痘的辅助治疗提供更有价值的支持。本文的主要贡献如下:(1)构建了基于改进Swin Transformer的疟疾图像分类模型。首先使用Swin Transformer作为主干网络,发挥其捕捉长特征的优势。其次通过多头混合注意力机制提取疟疾细胞的细节特征。然后使用幻影卷积去除疟疾细胞冗余的组织液特征,进而突出疟疾细胞的关键信息。改进后的模型在与其他分类模型的对比实验中表现优异,与Swin Transformer模型相比,疟疾分类准确率在两类数据集上分别提高了4%和19.6%。(2)构建了基于多尺度膨胀卷积和三重注意力Swin-Unet的猴痘感染区域分割模型。首先使用Swin-Unet作为主干网络,充分发挥其适应性强和参数效率的优势。其次通过多尺度膨胀卷积模块对感染区域不同维度数据进行特征提取并进行级间融合。然后在模型下采样过程中加入三重注意力模块,进而解决猴痘图像不同维度之间相互独立的问题。在对比实验中,相较于FCN、CGNet、U-Net、Trans-Unet、SwinUnet等模型,改进模型的像素准确率最高。改进模型的PA数值为90.6%,m Io U数值为80.4%,Dice数值为88%。此外,本文通过消融实验和特征热力图可视化,进一步强化并验证了多尺度膨胀卷积模块和三重注意力模块性能优异的可解释性。

关键词：数字病理细胞分类与分割 Transformer 多尺度膨胀卷积注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：