2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來,隨著計算機(jī)技術(shù)和人工智能的快速發(fā)展,計算機(jī)視覺技術(shù)已被廣泛應(yīng)用于抗癌藥物的研發(fā)和細(xì)胞病理的分析等生物醫(yī)學(xué)工程領(lǐng)域,顯微圖像序列下的細(xì)胞檢測與識別一直是計算機(jī)視覺領(lǐng)域亟待解決的重點(diǎn)、難點(diǎn)問題之一。而深度學(xué)習(xí)通過組合低層特征形成具有抽象表示的深層神經(jīng)網(wǎng)絡(luò),突破了低層特征到高層語義理解的障礙,極大地提升了機(jī)器在視覺特征的提取、語義分析和理解方面的智能處理水平,近年來在計算機(jī)視覺、語音和自然語言處理等方面取得了巨大的成功,特別是目標(biāo)檢測

2、和圖像識別領(lǐng)域。因此,本文以膀胱癌T24相稱顯微圖像細(xì)胞為研究對象,利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)算法對顯微圖像上的癌細(xì)胞進(jìn)行檢測,并以此為基礎(chǔ),對癌細(xì)胞有絲分裂的分裂前、分裂中、分裂后以及死亡等狀態(tài)進(jìn)行識別。本文主要研究成果如下:
 ?。?)根據(jù)顯微圖像序列下癌細(xì)胞的特性,本文利用目前檢測領(lǐng)域效果最好的算法之一—區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Region-ConvolutionalN

3、eural Network,R-CNN)對癌細(xì)胞進(jìn)行檢測。該算法首先通過建議區(qū)域算法產(chǎn)生候選區(qū)域,接著利用CNN對候選區(qū)域特征進(jìn)行提取,最后通過SVM算法對癌細(xì)胞進(jìn)行類別判定,最終判斷該區(qū)域其是否是癌細(xì)胞。實(shí)驗(yàn)結(jié)果表明,無論癌細(xì)胞處于粘連狀態(tài)還是處于單個游離狀態(tài),R-CNN都可以有效地檢測到其位置信息,為將來進(jìn)一步對癌細(xì)胞進(jìn)行分割或跟蹤奠定基礎(chǔ)。
  (2)在R-CNN的基礎(chǔ)上,本文提出了多個建議區(qū)域融合算法。首先,分別用選擇性搜

4、索算法(Selective Search)和邊緣框算法(Edge Box)提取顯微圖像序列下的癌細(xì)胞圖像的建議區(qū)域;然后,將兩者得到的建議區(qū)域進(jìn)行合并融合;最后,剔除兩者之間的冗余區(qū)域,最終得到更為有效的候選區(qū)域。實(shí)驗(yàn)結(jié)果表明,相比單個建議區(qū)域算法,多個建議區(qū)域融合算法出現(xiàn)的漏檢率更低、效果更好。
  (3)在上述癌細(xì)胞檢測的基礎(chǔ)上,本文基于CNN算法提出了癌細(xì)胞有絲分裂的狀態(tài)檢測方法,通過采用有監(jiān)督的CNN對癌細(xì)胞有絲分裂的分裂

5、前、分裂中、分裂后以及死亡等狀態(tài)進(jìn)行識別,并與梯度直方圖(Histograms of Oriented Gradients,HOG)、局部二值模式(Local Binary Patterns,LBP)、Gist算法、Dense-sift算法等傳統(tǒng)人工特征提取算法進(jìn)行了比較。從對比的實(shí)驗(yàn)結(jié)果表明,深度卷積神經(jīng)網(wǎng)絡(luò)以96%的識別率遠(yuǎn)遠(yuǎn)超過其他傳統(tǒng)的特征提取算法。
  由上述研究成果表明,利用CNN可以提取更加豐富的特征,能有效的對膀胱

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論