资源描述：
《基于深度学习的肺癌细胞检测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于深度学习的肺癌细胞检测方法研究潘浩,等*基于深度学习的肺癌细胞检测方法研究12潘浩,王昭(1.北京石油化工学院经济管理学院北京,102600)(2.北京化工大学经济管理学院北京,100029)摘要:肺癌细胞检测是计算机辅助分析肺癌细胞的组织病理学图像的基础步骤。本文提出了基于深度卷积神经网络的肺癌细胞自动检测方法,能够自动进行特征提取、模型训练和肺癌细胞检测。与传统机器学习方法相比较,本文提出的方法对训练数据的标注质量要求较低,具有较高的准确率和效率。关键词:深度学习;细胞检测;卷积神经网络;肺癌中图分类号:TP391文献标识码:ADO
2、I编码:10.14016/j.cnki.1001-9227.2017.03.196Abstract:LungcancercelldetectionisthemostbasicstepamongtheComputer-aidedhistopathologylungimageanalysisapplications.Weproposedanautomaticlungcancercelldetectionmethodbasedondeepconvolutionalneuralnetwork.Inthismethod,thefeatureextra
3、ction,trainingmodelandlungcancercelldetectioncanbemadethroughautomatically.Comparedwithconventionalmachinelearningalgorithm,ourmethodhasachievedpromisingperformanceonthelungcancercelldetectionintermsofaccuracyandefficiency.Keywords:deeplearning;celldetection;convolutionaln
4、euralnetwork;lungcancer很强的泛化能力和特征学习能力,能很好地应用在图像处0引言理领域,目前典型的卷积神经网络有LeNet、AlexNet、R[5-7]肺癌是威胁人类健康和生命的最严重的恶性肿瘤之CNN、SPP-net、Google-LeNet和VGG等。一。研究发现,而如果能及早发现和治疗,肺癌病人的51.1卷积神经网络结构[1]年存活率将提高接近50%,组织病理学图像的分析是卷积神经网络主要由多个卷积层、下采样层和全连接肺癌诊断的金标准。然而每张组织病理学图片内包含的层组成,每一次的输出是对原始输入的一组特征表示。
5、其细胞都是百亿级别,只靠人工对癌细胞的查找和诊断工作中在卷积层,通过一个卷积核对来自上一层的特征图进行量大,并且容易出错。因此组织病理学图片进行自动检测卷积,然后通过一个激活函数得到卷积层的输出特征图。和分析是目前非常热门的一个研究方向。目前有一些应激活函数通常使用sigmoid函数、tanh函数ReLU等等。下用传统机器学习的方法,如SVM方法对癌细胞进行检测采样层又称为池化层,它将上一层的特征图进行下采样加[2-3]和分类。这些算法的准确度依赖于基于人工设计的权和偏置得到该层的输出特征图。常用的池化方法为平特征提取方法,如对细胞的颜色,
6、纹理,形状等底层特征。均池化、最大池化,随机池化等等。通过池化层后,在输出深度学习是机器学习的一个重要的分支,由神经网络特征数量减少的同时,还能保持特征的局部不变性。全连发展而来。与传统的机器学习方法相比,它的优势在于特接层的输入为上一层所有特征图的一维特征拼接,类似于征提取不需要人工参与,各层的特征提取都是在通用的学神经网络的隐层。卷积神经网络通过前向传播进行特征[4]的学习并获得输出,通过反向传播算法对网络的参数进行习过程中,从数据中学习得到的。本文提出了一种基于深度学习的肺癌细胞检测方法,通过深度卷积神经网络,调整和优化。反向传播通常
7、使用梯度下降的方法来训练对肺癌细胞进行自动的特征学习和检测。方法对训练阶网络。段的标注图片要求低,不需要病例学家准确画出整个肺癌1.2基于深度学习的肺癌细胞自动检测结构细胞的轮廓,只需对肺癌细胞进行点标注。本文提出的基于深度学习的肺癌细胞自动检测方法如图1所示,由模型训练和肺癌细胞检测两个阶段组成。1深度卷积神经网络模型在此之前首先需要对训练的图片进行预处理,处理后的图深度学习是拥有多个隐层的深度神经网络结构,它通片由肺癌细胞图片和非肺癌细胞图片组成。在模型训练过简单的非线性变换函数逐层学习特征,并将底层学习的阶段,首先根据手工标注的图片进
8、行有监督的训练,学习局部特征组合成高层的抽象特征。卷积神经网络是一种深度卷积神经网络的参数;在测试阶段,将测试图片输入深度学习结构,它具有的权值共享和池化特性使得它具有到训练好的
