{$cfg_webname}
主页 > 电子信息 > 电子 >

基于全卷积网络的皮肤镜图像上黑色素瘤分割

来源:wenku163.com  资料编号:WK16313803 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9AWK16313803
资料介绍

基于全卷积网络的皮肤镜图像上黑色素瘤分割(论文10000字,外文翻译)
摘要:随着深度学习在各行各业的渗透,医学领域发生了翻天覆地的变化,医疗效率和诊断准确率相应提高。皮肤癌中黑色素肿瘤是一种致命的癌症,要想精确对其分类,实现其病变区域分割是必不可少的。本文我们利用深度学习中的全卷积网络成功实现了皮肤镜图像上黑色素瘤的分割,并且达到了85.7%的平均精度和91.9%的总体精度。在此基础上我们进行了特征提取,并取得了一些成就。
关键词:黑色素瘤;全卷积网络;深度学习;分割

Melanoma Segmentation on Dermoscopy Images based on Fully Convolutional Networks
Abstract:With deep learning in all walks of life penetration, medical field has undergone enormous changes, medical efficiency and diagnostic accuracy correspondingly improved. Melanoma among skin cancer is a fatal cancer, in order to accurately classify it, achieving its lesion area segmentation is essential. In this paper, we use fully convolution networks in deep learning to successfully achieve the melanomasegmentation on dermoscopy images, and reach 85.7% of the average accuracy and 91.9% of the overall accuracy.On this basis, we have carried out the feature extraction, and has made some achievements.
Key words:melanoma;fully convolutionalnetworks;deeplearning;segmentation
 

基于全卷积网络的皮肤镜图像上黑色素瘤分割


目 录
1绪论    1
1.1研究背景    1
1.2研究目的与意义    1
1.3国内外研究现状    1
1.4皮肤镜图像分割    2
1.5论文主要内容及章节安排    2
2深度学习与神经网络    3
2.1深度卷积神经网络    3
2.1.1背景    3
2.1.2卷积神经网络(CNN)    3
2.1.2.1输入变量    4
2.1.2.2特征    4
2.1.2.3滤波器(卷积核)    5
2.1.2.4感受野(receptive field)    6
2.1.2.5零填充    6
2.1.2.6超参数    7
2.1.2.7CNN结构    7
2.1.3全卷积网络(FCN)    9
3基于全卷积的黑色素瘤分割    11
3.1研究动机    11
3.2分割    11
3.2.1实验环境    11
3.2.2全卷积网络框架    12
3.2.3实验准备    13
3.2.4实验过程及结果    14
3.2.5实验分析    15
3.3 特征提取    16
3.3.1超像素    16
3.3.2特征    16
3.3.3预处理及训练    17
3.3.4结果分析    17
4结论与展望    18
4.1结论    18
4.2未来展望    18
参考文献    18
致谢    20

推荐资料