基于卷积神经网络的结肠病理图像中的腺体分割

《基于卷积神经网络的结肠病理图像中的腺体分割》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、学校代码：＾分类号：＼＾ｙ密级Ｉ公开町ＵＤＣ：学号：＿ｍｍ＿ｊ？＾＊？护＂；一Ｉ，＊＾Ｓ＾■以＞ａ？以；＞？ｗａａ化化胃一：．－．……？…一…’‘殺．哪ｍ哪！Ｊｆ’耐馬；ｐ‘．Ｉ．－＇－ｔｒ；衫東魚大？受工程硕±学位论文基于卷积神经网络的结肠病理图像中的腺体分割研究生姓名：呂力兢导师姓名：舒化忠教授巧国ｉｔ？工扬冠菊曲巧巧由请举仿黄別工届巧±学化授予单化巧南大挙下巧饰Ｍ名抗计复化巧乂论义

2、答辩日期２０１６年月日ｉ？向巧化化巧与科学可视化举仿授予曰期祝有力２０１６年月日答辩委员会主席评阅Ａ２０１６年月日来兩：ｋ聲工程硕ｉ学位论文基于卷积神经网络的结肠病理围像中的腺体分割专化名称：计算机科学与技术研究生姓名：目力兢导师姓名：舒华巧教授李国峰高工杨冠羽副教授ＧＬＡＮＤＳＥＧＭＥＮＴＡＴＩＯＮＩＮＣＯＬＯＮＨＩＳＴＯＬＯＧＹＩＭＡＧＥＳＵＳＩＮＧＴＨＥＣＯＮＶＯＬＵＴＩＯＮＡＬＮＥＵＲＡＬＮＥＴＷＯＲ

3、ＫＳＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇＢＹＬＶＬ－ｉｉｎｊｇＳｕｅｒｖｉｓｅｄｂｐｙＰＨＵ－ｒｏｆｅｓｓｏｒＳＨｕａｚｈｏｎｇ，ｎｅｅ－ＳｅｎｉｏｒｅｎｉｒＬＩＧｕｏｆｅｎｇｇａｎｄ－ＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＹＡＮＧＧｕａｎｙｕＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒ

4、ｉｎｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＪｕｎｅ２０１６东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我巧知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的祝究成果，也不包含为获一得东南大学或其它教育机构的学位或证书而使用过的材料。与我同王作的同志对本研究巧做的任何贡献均已在论文中作了明确的说明并表示了谢意。ｗ／之。研究生签名：日期：公人东南大学学位论文使用授枚两明东南大学、中

5、国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，一致可Ｗ采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相。除在保密期内的保密论文外．允许论文被查阅和借阅，可Ｗ公布（包括Ｗ电子信息形式刊登）论文的全部内容或中、英文摘要等部分巧容。论文的公布（包括Ｗ电子信息形式刊登）授权东南大学研究生院办理。研究生签名：冷期：摘要病理全切片扫描设备的普及使得病理样本数字化成为可能，对数字化病理图像进行计算一机辅助诊断是现在医学图像领域的

6、硏究热点之。腺体是病理图像中的关键组织结构，对其进行分割提取是后续进行计算机辅助诊断的重要前提。但是由于腺体形态的多变性，且恶性及良性的腺体呈现出不同的图像特征，使得传统的分割方法存在很大的局限性。本文提出了一种更具通用性的基于卷积神经网络的病理图像腺体分割方法通过学习专家数据集中不同，类型腺体的图像特征，从而实现对腺体区域的自动分割。本文首先使用Ｗａｒｗ浊－Ｕ数立了用于结肠腺体分割的样本库ｉＱ据集，建，通过实验说明了卷积神经网络作为像素点分类器的有效性，最后配合滑动窗口和形态学后处

7、理得到分割结果一，但是存在兀余计算和空间信息利用率低的问题。针对这，优化卷积神经网络结构问题，通过给卷积神经网络配套上相应的解码网络一，使得输入图像只需次通过网络就能得到每个像素点的分类结果，降低了计算的冗余性，大大提高了病理图像的腺体分割速度。基于编解码结构卷积神经网络的分割方法一，带来了邻近腺体间的粘连现象。针对这问题，对专家标定图进行腐蚀处理，再重新训练用于分割任务，提高了分割效果。本文所使用的方法，突破了传统方法必须拥有腺体结构先验知识的限制，更加具备通用性和可扩展性，特别是

8、解决了恶性腺体的分割问题。ａｒｗ－本文对Ｗｉ浊ＱＵ数据集中的１６５幅结肠病理图像进行腺体分割实验，并通过评估框架下的指标来度量分割结果与专家标定的相似度。在结果分析部分，通过在训练数据集上的分割结果，说明了编解码结构的卷积神经网络，配合上专家标定图的腐蚀处理，在各项的分割指标中取得了更好的结果，无论是对于良性还是恶性腺体。在测试集分割结果的分析中，看出编解码结构的卷积神经网络，配合上专家标