基于深度学习的细胞核图像分割方法研究.pdf

《基于深度学习的细胞核图像分割方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的细胞核图像分割方法研究METHODOLOGYRESEARCHOFNUCLEUSIMAGESEGMENTATIONBASEDONDEEPLEARNING李刚森哈尔滨工业大学2018年6月国内图书分类号：TP391学校代码：10213国际图书分类号：681.3密级：公开工学硕士学位论文基于深度学习的细胞核图像分割方法研究硕士研究生：李刚森导师：程远志教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391U.D.C:681.3

2、MethodologyResearchofNucleusImageSegmentationBasedonDeepLearningMETHODOLOGYRESEARCHOFNUCLEUSIMAGESEGMENTATIONBASEDONDEEPLEARNINGCandidate：LIGangsenSupervisor：Prof.CHENGYuanzhiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofComp

3、uterScienceandTechnologyDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要近些年来，随着影像技术的蓬勃发展与应用，在越来越多的医疗诊断中，影像技术被用来提高医生诊断的效率并降低误诊率。在这种情况下，医疗机构需要处理越来越多的医学影像，而其中非常重要的就是对医学影像进行分割。在以往的临床诊断中，通常是经验丰富的医生来人工的进行分割，这种方式耗时耗力、结果不稳定并且分割结果存在着一定的分歧。因此，

4、准确、快速、高效地对医学影像进行分割显得尤为重要。传统的图像分割算法一般需要人工事先提取一些特征，通常是一些低级别的图像特征，如图像的边缘、拐角、纹理和线条等。这些低级别的图像特征往往稳健性较差，容易受到环境的影响。研究证明，通常情况下，高层次、抽象的特征对于图像分割来说更加重要。而深度学习网络可以从原始的像素特征开始，通过层层的卷积操作，最终抽取出对于图像分割至关重要的高层次特征，然后利用这些特征来对图像进行分割。本文分别提出了全卷积神经网络（FCN）、U-net和改进型U-net来进行细胞核图像的分割，三种网络都将传统的卷积神经网络中的全连接层更改为卷积

5、层，并且使用反卷积结构来实现上采样。与FCN采用逐点相加的特征融合方式有所不同，U-net将特征图在通道维度上进行拼接来实现特征的融合，并且采用跳过结构来结合低层与高层特征。U-net相比FCN取得了更好的分割效果，但是依然存在着对小细胞核分割较差、边缘粗糙、欠分割与过分割的缺陷。因此，本文最后一章不仅采用了更加复杂的卷积神经网络来构建编码器，使用预训练的参数来进行初始化，并将空洞卷积加入其中，最后还对原始U-net的损失函数进行了改进。文末对FCN、U-net、改进型U-net的细胞核图像分割结果进行了分析，可以看出：从FCN到U-net再到改进型U-ne

6、t，细胞核图像分割效果越来越好，鲁棒性与健壮性稳步增强，对边缘细节部分和较小的细胞核的分割能力越来越强，过分割和欠分割的现象也逐步减少，证明了本文对于FCN、U-net的改进取得了相应的效果。关键词：深度学习；全卷积神经网络；U-net；医学图像分割；细胞核-I-哈尔滨工业大学工学硕士学位论文AbstractWiththerapiddevelopmentandapplicationofMedicalImagingTechnologytheseyears,ithasbeenusedtoimprovetheefficiencyofdoctors'diagnosi

7、sandreducethemisdiagnosisrateonmoreandmoremedicaldiagnostics.Inthiscase,medicalinstitutionsneedtodealwithmoreandmoremedicalimages,segmentingmedicalimagesiscrucialamongthem.Inpreviousclinicaldiagnoses,experienceddoctorsusuallysegmentedmanually,whichwastime-consumingandenergy-consumi

8、ngandtheresultsareunstable