LCI图像病变检测的全卷积网络算法研究

论文摘要

本文主要研究关于医学领域中LCI(Linked Color Imaging)图像的病变区域智能检测。处于炎症、早期癌症等症状下的LCI图像,其病变区域与非病变区域在形状以及颜色上的差异性可作为区分依据,但由于两者边界处区分度较低,导致检测出的病变区域不完全吻合实际病变区域。为获得准确细致的病变区域,本文在全卷积网络算法的基础上,针对两者间界限模糊的问题,使用SVM(Support Vector Machine)损失函数,训练网络模型,实现对图像的像素级分类,根据像素分类结果确定其属于病变区域或非病变区域从而得到两者的区分边界。将改进后的算法与FCN(Fully Convolutional Network)算法以及传统的语义分割算法GrabCut进行对比,实验结果表明本文改进算法检测效果较好,准确率达到94%,平均0.5 s左右可完成单张LCI图像的病变区域检测。本文研究结果能够辅助医生快速诊断病情,具有较大的临床意义。

论文目录

• 1 引言
• 2 LCI图像与语义分割算法
•   2.1 LCI图像介绍
•   2.2 GrabCut算法
•   2.3 FCN算法
• 3 基于FCN算法的改进
•   3.1 本文算法流程
•   3.2 网络结构
•   3.3 损失函数
• 4 实验
•   4.1 数据处理
•   4.2 实验与分析
•   4.3 实验小结
• 5 结论

文章来源

类型: 期刊论文

作者: 袁琼雯,余磊,刘岩

关键词: 病变检测,全卷积网络,损失函数,图像分割

来源: 信号处理 2019年03期

年度: 2019

分类: 信息科技,基础科学,医药卫生科技

专业: 生物学,生物医学工程,计算机软件及计算机应用,自动化技术

单位: 武汉大学电子信息学院,军事医学科学院307医院消化内科

基金: 国家自然科学基金(61871297,61401315)

分类号: TP391.41;TP183;R318

DOI: 10.16798/j.issn.1003-0530.2019.03.017

页码: 451-459

总页数: 9

文件大小: 2260K

下载量: 51