【摘 要】
：
幽门螺杆菌（Helicobacter Pylori,HP）感染能引发多种胃部疾病,其发病率非常高,感染人数逐年增加。如果能及时杀灭根除HP,可有效阻止胃黏膜炎症和胃萎缩,更好的预防和控制胃癌的发生。在临床中,幽门螺杆菌感染者病情极容易反复,治疗起来非常困难。传统检测方法存在外界影响因素多,检测方式复杂,病人依从性低的局限性。内镜医生依据丰富的临床经验可通过胃部内窥镜图像判断HP感染,但仅靠医生判断
论文部分内容阅读
幽门螺杆菌（Helicobacter Pylori,HP）感染能引发多种胃部疾病,其发病率非常高,感染人数逐年增加。如果能及时杀灭根除HP,可有效阻止胃黏膜炎症和胃萎缩,更好的预防和控制胃癌的发生。在临床中,幽门螺杆菌感染者病情极容易反复,治疗起来非常困难。传统检测方法存在外界影响因素多,检测方式复杂,病人依从性低的局限性。内镜医生依据丰富的临床经验可通过胃部内窥镜图像判断HP感染,但仅靠医生判断图像类别,对医生经验要求高,且效率低下。为了解决上述问题,本文主要针对胃部内窥镜图像进行分析,开展基于卷积神经网络的幽门螺杆菌识别分类算法研究,构建了一系列基于多尺度特征的卷积神经网络模型。论文的主要研究内容包括以下几个方面:首先,提出了基于多尺度特征的HP识别分类模型。针对胃部内窥镜图像数据集存在的光照不均匀、镜面反光等问题进行分析并处理,然后以三种Inception模块构建多尺度特征分类网络并与常见的卷积网络进行对比,实验表明基于多尺度特征的HP识别分类模型表现更优,模型各项指标F1-Score为83.57%,精确度为85.14%,灵敏度为82.05%,特异度为88.68%,AUC为0.916。其次,提出了基于多尺度特征与注意力的HP识别分类模型。针对多尺度特征分类网络特征提取不充分的问题,引入空洞卷积提取图像更多尺度的特征,并加入CBAM注意力机制增强模型对重要特征的学习能力。通过对比实验证明该模型能进一步提升幽门螺杆菌识别分类的效果,模型各项指标F1-Score为84.77%,精确度为84.55%,灵敏度为85%,特异度为88.32%,AUC为0.9281。最后,本文在多尺度特征与注意力模型的基础上加入残差和深度可分离卷积有效解决了模型梯度消失或梯度爆炸的问题,减少了模型的参数量和计算量,通过实验证明了该方法的有效性,还确定了网络模型的超参数并将其应用到幽门螺杆菌诊断系统中,证明该模型的实际应用效果。模型的各项指标F1-Score为87.34%,精确度为89.31%,敏感度为85.45%,特异度为91.91%,AUC为0.9463。本文提出的幽门螺杆菌识别分类网络,能针对胃部内窥镜图像进行幽门螺杆菌识别分类,为普通消化道内窥镜图像计算机辅助诊断提供了新方法。
其他文献
文本作为人类重要的交流方式,记载了大量的人类文明信息。进入现代文明后,信息技术得到了快速发展,产生了大量的短文本数据。这些短文本数据包含着许多有价值的信息,由此衍生出短文本分类这一重要的课题。然而,由于短文本数据特征矩阵的稀疏性和语义特征不足使得短文本分类面临巨大的挑战。本文针对短文本的文本表示和语义不足方面,提出了基于加入注意力机制的卷积神经网络和神经主题模型的Prod LDA-ACNN模型,基
行人重识别旨在视野非重叠的不同摄像机下寻找包含相同行人的图像,是智慧城市中的重要一环,也是国内外研究的热点课题之一。然而,现阶段的行人重识别研究领域还存在两大问题。问题一是现有的方法往往需要大量高质量标注好的数据来训练模型,并且生成的模型易局限于特定的、单一的场景,不能很好地应用到新场景中,即模型可移植性差、泛化能力弱、容易出现过拟合现象。问题二是不同的监控设施的采集场景不一,不同的摄像机、光照情
箱包五金件是手工业生产中较为常见的产品,随着数字经济的迅速发展,箱包生产厂商需要对箱包五金件进行信息化。一个精准的拍图识别系统可以提高箱包生产厂商完成产品信息化的效率。而一个准确率高且泛化能力强的图像分类模型是构建一个好的拍图识别系统的关键。论文针对图像分类任务中图像数据集（箱包五金件图像）的类别不平衡问题,提出了基于改进CycleGAN的图像增广方法。同时针对ResNet在箱包五金件图像识别的技
甲状腺结节患病率在近年来明显上升,恶性甲状腺结节对人体的危害极大。超声图像为诊断甲状腺结节病变提供了重要的影像学依据,但诊断结果完全依赖医生的临床知识和主观判断,可能导致误诊。随着人工智能高速发展,利用深度学习识别甲状腺结节的良恶性,并辅助医生进行诊断具有重要的临床价值。为了提高甲状腺结节良恶性诊断准确率,本文使用高效通道注意力模块和特征金字塔结构改进Res Net50网络,并通过训练得到具有优秀
皮肤癌是目前最常见的癌症之一。从检测和治疗层面而言,研究皮肤病图像分类算法区分恶性与良性病变具有积极意义。鉴于深度学习的迅猛发展,卷积神经网络在皮肤病图像处理中已经取得巨大突破。但是皮肤病类间相似性大、类内差异性小及图像样本有限等问题的存在,使得皮肤病识别算法仍然具有改进的空间。本文主要通过增强网络的特征提取能力和融合多模态特征的方式解决上述难题。（1）为了增强卷积神经网络的特征提取能力,提高多分
多模态医学图像可以弥补各种成像形式自身的局限性,为医生快速诊断和合理治疗疾病提供可靠依据。然而,临床上同时采集不同模态的医学图像需要花费大量的时间和财力。医学图像合成与融合是获得多模态医学图像的可行途径,因此,它引起了医学图像计算界的广泛关注。针对现有的医学图像合成算法需要对不同的输入模态数量分别搭建模型,缺乏通用性和灵活性的问题,本课题提出了一种有监督的可逆变量增强网络（invertible a
医学图像在临床发挥着重要作用,快速、准确地从医学图像中获取器官或病变区域是进行针对性诊疗的基础。然而在现实中,放射科医生从医学图像中量化器官或病变区域并不容易,手动分割一张医学图像大约需要15分钟,这使得医学图像分割成为了一项费时费力的工作。因此,有必要研发出能够定位、分割和量化器官或病变区域的自动化方法,通过采用自动化的医学图像分割方法,能够有效提高医学图像分析的效率,并可以有效降低临床误诊率。
实体关系抽取是自然语言处理领域的一个重要下游任务,其中人物之间的关系抽取任务是实体关系抽取中的典型任务。对语料中的人物关系进行识别和抽取,可以为构建人物社会关系网、生成用户画像以及搭建专家推荐系统提供帮助和支持。针对中文语料人物关系抽取这一课题,本文在分析了人物关系抽取的研究背景、研究现状以及相关技术之后,从标注数据集预处理,再到使用深度学习网络模型完成了中文语料人物关系抽取任务,最后搭建了一个人
保障农产品质量安全已成为最基本的民生福祉之一,农产品质量检测是其中的关键一步。然而当前的农产品检测LIMS（Laboratory Information Management System）系统无法保证检测数据的安全性和可溯源性,无法满足社会公众对农产品质量安全检测的需求。而区块链技术具有不可篡改、可溯源、去中心化等特点,能够充分解决以上问题。因此,本文在农产品检测LIMS系统中引入了区块链技术,
随着计算机技术和国家航天航空事业的发展,一颗颗遥感卫星相继投射空中,遥感图像的分辨率越来越高,也愈发清晰,遥感图像中包含的地表信息不仅能运用于林业、农业、水利等民用领域,还能应用于军事国防领域。目前的目标检测技术在自然图像检测中取得了很好的成果,但在遥感图像方面表现欠佳,这是因为遥感图像本身分辨率很高,图中的关键目标尺寸极小并且多方向密集分布,而背景信息十分冗杂并遍及全图范围,导致在使用传统方式进