基于改进全卷积网络的内窥镜图像伪影检测算法研究

发布时间：2024-02-24 09:10

　　内窥镜检查是广泛用于早期检测多种癌症(例如鼻咽癌,食道腺癌,胃癌,结肠直肠癌,膀胱癌等)的临床程序,治疗程序和微创手术(例如腹腔镜检查)。然而内窥镜检查视频帧会存在一些伪影造成成像的破坏(例如,像素饱和,运动模糊,散焦模糊,镜面反射,气泡,流体和碎屑)。在临床内窥镜中对伪影的准确检测,可以极大地加快跨所有疾病,器官和方式的有效定量临床内窥镜分析的发展。随着深度卷积神经网络在自然图像应用和发展,越来越多的研究人员将深其应用到医学图像。本文针对内窥镜图像中的伪影难以准确检测的问题,将基于深度学习的目标检测算法应用到伪影图像中的定位和分类中。同时对比了不同的目标检测算法的在内窥镜伪影检测的效果,包括基于锚点框的两阶段目标检测算法以及一阶段目标检测算法。同时基于全卷积神经目标检测算法FCOS做了详尽的实验,针对于FCOS在检测精度以及检测速度上进行了一定程度的改进。通过增加语义分割的弱监督信息,增加模型整体的空间位置信息;针对FCOS模型原始的回归分支的IoU Loss无法精确的反映边界框的重合度程度的缺点,本文改进FCOS回归分支的损失函数为GIoU Loss;同时增加中心采样的方法,从而改...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图1.1U-Net网络网络在内窥镜中的伪影来识别和定位中，也有众多的作者使用基于深度学习的方

第1章绪论4图1.1U-Net网络网络在内窥镜中的伪影来识别和定位中，也有众多的作者使用基于深度学习的方法进行性能提升：SuhuiYan使用改进的基于锚点框的两阶段目标检测算法CascadeR-CNN[21]模型与特征金字塔网络（FPN）结合使用，以处理多类内窥镜中的伪影检测。M....

图2.1LeNet网络示意图

第2章基于深度学习的目标检测算法7第2章基于深度学习的目标检测算法目标检测是一项重要的计算机视觉任务，用于检测数字图像中特定类别的视觉对象（例如人，动物或汽车）的实例。目标检测的目的是提供特定实例在图像中的位置以及类别，即：什么对象在哪里？在深度学习浪潮来临之前，经典的目标检测算....

图2.2AlexNet网络示意图

?椒ㄏ禄崾沟猛?缪盗犯?尤菀住４觭igmoid的图像中我们可以看到，在sigmoid的输出接近0或1时，函数的导数接近0。导数接近0，也就是网络的梯度接近0，从而使得网络的误差无法通过反向传播的链式法则传到前面的层，使得网络无法更新靠近输出层的参数；而ReLU激活函数在大于0的区....

图2.3随着网络深度增加网络性能出现退化

第2章基于深度学习的目标检测算法9图2.3随着网络深度增加网络性能出现退化He等人提出的残差网络的出现比较有效的解决了随着深度增加的网络退化问题[23]。对于一个由多个卷积层组成的卷积神经网络，将输入记为x，网络的输出记为f(x)。与直接学习原始特征f(x)不同，残差网络希望网络....

本文编号：3908759