【摘 要】
：
面对医学影像数据快速增长,而放射科医师严重不足问题,寻求快速且准确的智能诊断方式一直是国内外研究人员不懈努力的方向。与此同时,基于卷积神经网络的深度学习算法,在图像分类、检测以及分割等方面超越传统算法展现突出成绩,并且已被广泛应用于自动驾驶、机器人视觉等领域。因此,将深度学习技术引入医疗领域,研究高效且精确解读医学影像的智能方式,不仅能够辅助医生诊断,减少漏诊误诊;而且可以提高疾病诊断效率,弥补医
论文部分内容阅读
面对医学影像数据快速增长,而放射科医师严重不足问题,寻求快速且准确的智能诊断方式一直是国内外研究人员不懈努力的方向。与此同时,基于卷积神经网络的深度学习算法,在图像分类、检测以及分割等方面超越传统算法展现突出成绩,并且已被广泛应用于自动驾驶、机器人视觉等领域。因此,将深度学习技术引入医疗领域,研究高效且精确解读医学影像的智能方式,不仅能够辅助医生诊断,减少漏诊误诊;而且可以提高疾病诊断效率,弥补医生资源缺口,具有理论研究价值和明确的应用前景。本文基于深度学习算法进行医学影像胸部X片的分类与肺炎检测研究,主要工作内容如下:1、采用基于模型的迁移学习思想,提升深度学习模型对胸部X片分类效果。为了缓解胸部X片样本不足和类别失衡问题,利用经过Image Net数据集预训练的模型初始化卷积神经网络权值,并通过数据增强扩充数据集、过采样平衡正负样本。通过大量实验证明,在样本不足情况下,自然图像的预训练模型参数有助于提高网络对胸部X片的分类效果。2、提出基于改进型FSSD的胸部X片肺炎检测算法。该算法采用Rest Net50作为特征提取网络,然后利用可学习的转置卷积对特征图上采样,相比人工双线性插值法能够获取更为准确的特征信息,最后以concatenate方式拼接通道进行特征融合。另外,训练过程中采用迁移学习的预训练模型Rest Net50*初始化网络权值。实验结果表明,改进型算法有效提升了肺炎检测精度。3、提出基于改进型Center Net的胸部X片肺炎检测算法。该算法采用Dense Net121提取目标特征信息,同时借鉴FPN算法思想,融合浅层与可变形卷积上采样后的深层特征,获取目标更丰富的位置、细节信息。另外,训练过程中采用迁移学习的预训练模型Dense Net121*初始化网络权值。实验结果表明,改进型算法提高了目标定位的准确性,以此提升了肺炎检测精度。综上所述,本文提出采用迁移学习缓解胸部X片样本不足问题,提升医学图像分类效果;提出两种改进型一阶段（one-stage）目标检测算法,实现并验证胸部X片肺炎检测的可行性同时提升了检测精度。
其他文献
在无线通信领域中,调制识别是非合作通信的重要组成部分。通信技术的发展,带来的多样化信道环境,使调制识别变得越发困难。随着深度学习的出现,其在图像和语音识别方面取得了很好的效果,深度学习可以解决有效特征提取的困难,利用深度学习进行调制信号的自动识别已成为通信领域重要研究方向。首先,介绍了调制模式的基本原理和深度学习的理论,引出了常见的深度学习神经网络模型,并分析了不同神经网络模型的优缺点。然后,提出
随着教学改革的深化与深度学习的推进,校本课程逐渐成为基础教育学校教学内容的重要载体和特色化办学的突破点。学校可从明确育人目标、界定分类标准、把握课程功能、强化内容设计、开展科学评价、打造项目团队等方面切入,探索与改进校本课程的开发、设计与实施,真正实现学生核心素养的落实和德智体美劳的全面发展。
目的探讨抗-CD38单克隆抗体对输血前检测实验的干扰及其处理措施。方法收集2名接受抗-CD38单克隆抗体治疗的多发性骨髓瘤患者血样,分别进行ABO和Rh血型抗原定型、直接抗人球蛋白实验、不规则抗体筛选和鉴定、交叉配血实验;将不规则抗体筛选用试剂红细胞、抗体鉴定谱细胞、交叉配血用的献血者红细胞、平行对照用的O型K（+）E（+）红细胞与0.2 mol/L的DTT按照红细胞:DTT为1∶4的比例进行混合
在当今时代,图片作为信息存储和交流的最直观和方便载体,在互联网上大量的传播,图片数据的数量爆炸式增长,以此为前提图像检索任务的需求是目前的重要课题。水利行业伴随着水利信息化的推进,越来越多的监控摄像头被用于记录各水利设施的运行情况,同样产生了大量的图片数据。由于需要对这些水利图像数据进行智能化分析,水利图像检索方法也被迫切需求。基于哈希的图像检索方法和卷积神经网络结合后产生了深度哈希方法,能够满足
随着数字化科技的不断发展,数字图像信息因其具有较强的综合性和直观性等特点,在日常生活的各方面如通讯、教育、医疗等方面都得到广泛应用。同时,数字图像在存储、传输的过程中有可能会受到攻击者的非法盗取或篡改,这将损害合法信息持有者的利益,故研究出安全可靠的数字图像加密方案至关重要。因此,近年来很多信号处理的方法被应用到图像加密中,例如傅里叶变换、离散余弦变换、梅林变换、混沌映射及它们的分数阶版本等,但深
随着对自动情感识别系统的需求日益增长,情感识别的深入研究越来越重要。近年来,硬件和深度学习方法高速发展,自动情感识别性能不断提高。由于情感的抽象概念和多重表达,自动情感识别仍然是一项极具挑战性的任务。目前,情感识别的传统方法一是主要集中在提取不同类型的手工特征上。然后依靠人工手动标注视频的情感内容来达到情感识别的目的,但手工制作的特征总是需要特定任务的领域知识,而设计合适的特性可能更耗时。因此,探
卷积神经网络作为深度学习领域的一项代表技术,在目标检测与图像分类识别等计算机视觉任务中性能表现突出。随着网络深度越来越深,模型结构越来越复杂,网络中的参数量和计算量也越来越大,导致其难以应用在计算和存储资源较差的设备上,因此对卷积神经网络模型压缩技术的研究变得越来越重要。本文基于参数剪枝的思想对模型压缩方法进行研究,主要研究内容如下:提出基于混合参数剪枝的模型压缩算法,该算法分别对卷积神经网络中的
行人重识别旨在从不重叠的摄像区域定位特定行人,是一种为公安办案、寻找丢失人口的辅助技术。随着深度学习技术的发展与大型公共数据集的提出,基于深度学习的有监督行人重识别方法在性能上得到了巨大的提升。有监督的行人重识别方法的成功极大地依赖于大型数据集中的真实标签,然而,在现实中为海量的行人样本手工标记真实标签是极为耗时耗力的,这极大地阻碍了行人重识别技术的发展。因此学术界提出基于无监督学习的行人重识别方
为了改善酸性染料对锦氨织物同浴染色时氨纶得色较浅且牢度较差的问题，采用加入氨纶上色剂的方式以提高锦氨同色性及色牢度。探究了不同氨纶上色剂对提高氨纶K/S值的差异及其最佳用量，并考察了氨纶上色剂应用于不同染料染色时对锦氨同色性及其色牢度的影响。结果表明：氨纶上色剂对氨纶K/S值有良好的提升效果，且适用于多种单色和拼混染料，对不同的染料提升效果不一。在上色剂用量为1%～2% （owf） 时，其可有效改
习近平总书记指出，“没有信息化就没有现代化”，要“善于运用互联网技术和信息化手段开展工作”。随着人工智能、区块链等互联网技术飞速发展，人民法院顺应科技发展浪潮，加速推进智慧法院建设，传统庭审从线下搬到线上，数据信息从纸面迁至云端，人民法院的各个诉讼环节发生了深刻的变化。疫情防控期间，为减少人员接触，避免交叉感染，将信息技术与诉讼程序深度融合的智慧法院大显身手，