检索结果-南通市图书馆

检索条件"主题词=跨模态病理语义"

共 2 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：

基于深度学习和细粒度特征优选的乳腺癌图像识别模型研究

基于深度学习和细粒度特征优选的乳腺癌图像识别模型研究

引用

作者：袁天华东交通大学

学位级别：硕士

乳腺癌是女性常见癌症之一,严重影响女性身心健康。计算机辅助诊断(ComputerAided Diagnosis,CAD)模型能有效辅助病理医生临床诊断工作,实现早发现、早诊断、早治疗,为提高人们生活质量奠定重要基础。现有研究工作:一方面,医学样本稀缺... 详细信息

乳腺癌是女性常见癌症之一,严重影响女性身心健康。计算机辅助诊断(ComputerAided Diagnosis,CAD)模型能有效辅助病理医生临床诊断工作,实现早发现、早诊断、早治疗,为提高人们生活质量奠定重要基础。现有研究工作:一方面,医学样本稀缺,模型易过拟合;另一方面,多使用单类别特征,而未充分挖掘并利用异构图像特征间蕴含的跨模态病理语义,同时忽略不同特征在乳腺癌图像识别中的重要性。为此,提出基于深度学习与细粒度特征优选的乳腺癌图像识别模型。主要工作如下:(1)基于卷积神经网络的乳腺癌图像识别模型:针对特征学习不充分问题,基于迁移学习方法,用乳腺癌图像数据集对预训练好的卷积神经网络(包括:ResNet、VGGNet和DenseNet)进行微调,生成高层语义特征以刻画乳腺癌图像中的病灶区域,完成乳腺癌图像识别。实验表明:在所有卷积神经网络中,ResNet模型表现最优,尤其在高质量数据集INbreast上其识别精准度较高。但由于只使用单类别特征,卷积神经网络的整体精准度有待提高。(2)基于特征优选算法的乳腺癌图像识别模型:针对特征中存在大量噪声且特征维度过高导致模型过拟合等问题,设计多视角有效区域基因优选(MvERGS)算法,在特征优选中引入多视角,从不同角度去除特征中噪声信息,以提高特征判别性,完成识别任务。实验结果表明:采用MvERGS算法执行特征分量优选后,特征判别性进一步提升,两个数据集上的识别性能均有提升,模型过拟合问题得到一定抑制。此外,由于特征维度降低,模型实用性不断改善。(3)基于细粒度特征优选算法的乳腺癌图像识别模型:针对异构特征间蕴含的跨模信息未充分利用,设计RCA模型:基于MvERGS算法执行特征优选(Refinement,R);通过跨模态相关性分析算法(Correlation,C),挖掘异构特征间的跨模态病理语义,以更好地刻画病灶区域;采用GBDT算法自适应地优选最简洁但高效的特征(Adaptation,A),完成乳腺癌图像识别。实验结果表明:执行细粒度特征优选算法后,图像特征的判别性得到明显改善,RCA模型整体识别性能优于主流基线。同时,模型实时性能提升,它已具备一定实用价值。

关键词：乳腺癌图像识别跨模态病理语义卷积神经网络特征优选有效区域基因优选

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

基于多阶段多特征深度融合的乳腺癌图像识别模型研究

基于多阶段多特征深度融合的乳腺癌图像识别模型研究

引用

作者：邬任重华东交通大学

学位级别：硕士

医学诊断领域面临医疗资源不足、患者数量较多及诊断过程低效等实际问题。计算机辅助乳腺癌图像识别模型能在一定程度上缓解上述问题。现有研究工作主要使用单类别特征完成乳腺癌图像识别,未充分利用异构图像特征间蕴含的跨模态病理语... 详细信息

医学诊断领域面临医疗资源不足、患者数量较多及诊断过程低效等实际问题。计算机辅助乳腺癌图像识别模型能在一定程度上缓解上述问题。现有研究工作主要使用单类别特征完成乳腺癌图像识别,未充分利用异构图像特征间蕴含的跨模态病理语义、特征在决策时的互补性及多组预测结果间的集成性。为此,提出基于多阶段多特征深度融合的乳腺癌图像识别模型,它是多特征融合方法(先融合、中融合和后融合)的有机结合。主要工作如下:(1)基于传统分类器的乳腺癌图像识别模型:从形状、纹理和深度学习等角度分别提取SIFT、HOG、Gist、LBP、VGG、Res Net和Dense Net七类图像特征;训练SVM、Ada Boost等传统分类器,计算乳腺造影图像属于阳性或阴性的概率并确定乳腺癌诊断结果。实验结果表明:基于Ada Boost分类器的乳腺癌图像识别模型其性能优于SVM、XGBoost等模型。它在CBIS-DDSM数据集上获得更优的Acc和AUC值,但在INbreast数据集上出现一定过拟合。将图像特征可视化后发现:仅依赖单类别特征,不同样本间重叠区域较大,即阴性和阳性样本难以区分。因此,单类别图像特征导致基于传统分类器的乳腺癌图像识别模型识别性能不佳,应充分利用不同图像特征间的互补性来改善识别性能。(2)基于改进的ERGS算法的乳腺癌图像识别模型:在七类图像特征提取基础上,基于SVM、Ada Boost等分类器计算乳腺造影图像属于阳性或阴性的预估概率;改进ERGS算法使之完成特征中融合,即动态计算各单类别图像特征的ERGS权值,以对上述概率加权并确定最终乳腺癌诊断结果。实验结果表明:改进的ERGS算法能充分利用不同特征在决策时的互补性,进而有效抑制因病灶区域乳腺肿块形态、视角、光照等变化所带来的噪声干扰,最终改善模型识别性能。对于不平衡数据集INbreast,改进的ERGS算法仍未能有效缓解过拟合问题,模型整体识别性能有待提升,应充分利用图像特征间蕴含的跨模态病理语义及预测结果间的集成性来应对上述问题。(3)基于多阶段多特征深度融合的乳腺癌图像识别模型:在七类图像特征提取基础上,深入挖掘图像特征间蕴含的跨模态病理语义,实现特征先融合;基于Ada Boost算法计算每个图像特征、跨模态病理语义的预估概率;使用改进的ERGS算法,动态计算图像特征或跨模态病理语义对应权值,以加权预估概率,实现特征中融合;优选精准度最优的多组特征组合,对它们的预测结果执行基于投票决策的集成学习,实现特征后融合。实验结果表明:跨模态病理语义能有效缓解过拟合问题并显著提升模型识别精度。将图像特征可视化后发现:采用跨模态病理语义时,不同样本间重叠区域较小,即阴性和阳性样本能更好地区分。改进的ERGS算法及投票策略也有助于改善模型识别性能。此外,模型假阳率较低,它已具有较高实用价值。

关键词：乳腺癌图像识别跨模态病理语义特征融合集成学习有效区域基因优选

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

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

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：