【摘 要】
：
胸部X光（CXR）图像是诊断肺炎的重要依据,通常需要专业医生或者放射科专家进行解读和诊断。人工解读CXR图像耗费了大量时间和人力,且容易受主观因素影响导致误诊。因此,从CXR图像中自动检测肺炎病灶区域具有重要的实用价值。本文中采用深度学习技术,研究了CXR图像中肺炎病灶的检测方法,主要研究工作如下:1、针对CXR图像中肺炎病灶检测算法精度不高的问题,提出了基于Faster R-CNN的肺炎病灶检测
论文部分内容阅读
胸部X光（CXR）图像是诊断肺炎的重要依据,通常需要专业医生或者放射科专家进行解读和诊断。人工解读CXR图像耗费了大量时间和人力,且容易受主观因素影响导致误诊。因此,从CXR图像中自动检测肺炎病灶区域具有重要的实用价值。本文中采用深度学习技术,研究了CXR图像中肺炎病灶的检测方法,主要研究工作如下:1、针对CXR图像中肺炎病灶检测算法精度不高的问题,提出了基于Faster R-CNN的肺炎病灶检测算法。该算法在特征提取网络中加入了空洞卷积并调整了下采样因子,使得特征图像中保留了更多肺炎病灶的细节信息且具有较大的空间感受野。算法首先采用CNN网络提取CXR图像的特征图像;其次利用RPN网络提取包含肺炎病灶的前景候选区域,并采用ROI Pooling确定候选区域大小;最后针对候选区域进行肺炎病灶区域检测。通过在RSNA肺炎病灶数据集上进行训练与测试,并与常见检测算法进行比较,通过实验结果说明了所提算法的有效性与优越性。2、为了进一步提高肺炎检测精度,提出了基于改进Retina Net网络的肺炎病灶检测方法。该方法首先利用CLAHE算法增强了CXR图像对比度,同时利用K-means算法根据标注信息计算候选区域宽高比;其次采用CNN网络提取CXR图像的特征图像,其中CNN网络通过特征通道注意力机制,突出特征图像中包含肺炎病灶信息的特征通道,抑制含有大量噪声信息的特征通道;最后,根据预设定候选框参数生成候选区域,并通过分类/回归子网络选出含有肺炎病灶的区域。实验结果表明,相较于常见检测网络,基于改进Retina Net网络的肺炎病灶检测方法可有效提高肺炎病灶检测精度,AP值可达82.52%,且当多模型联合检测时,可进一步提高检测精度,AP值可达89.08%。
其他文献
谈判是一种在日常生活中经常使用的一种沟通交流行为,通过人与人之间的信息交换以及方案的交换来解决一系列的在最终谈判问题上的分歧并达成双方满意的谈判结果。当前人们对自动谈判技术也有了浓厚的兴趣,越来越多的人开始进行自动谈判智能体的研究,人们对人机谈判智能体研究的目的是构造一个拥有人类谈判技巧且十分智能的智能体,并通过这样的研究最终为谈判交互或者训练人类的谈判技巧提供帮助传统的谈判中人们可能会受到多种因
近些年来,带有高质量像素级分割标签的大规模训练数据极大地驱动了深度学习模型用于分割领域的性能。然而,用于分割任务训练集的注释是非常费力的,因为注释必须逐像素地完成。在这种耗时耗力的情况下,本文考虑到不同样本对分割模型的贡献可能相差很大,有些图像对模型的增益很大,但是也有些图像对模型的增益作用很小,也就是说,并非所有图像都需要注释。如何充分利用大规模未标记图像来增强分割模型的性能并用最少的人工成本对
气体传感器一直是传感器领域的重要研究方向,实现对有机气体组分的实时监控、有效识别和区分,对环境监测、安防、健康、医疗等各个领域具有非常重要的意义。然而,气体传感器技术仍面临着诸多挑战:例如,如何构建尺寸小、灵敏度高、响应快、以及成本低的气体检测系统等。薄膜体声波谐振器（FBAR）具着灵敏度高、尺寸小、响应快、成本低、易于实现阵列化以及可输出多种传感参数等特点,这些优点使得FBAR得到了广泛的关注。
基于稳态运动视觉诱发电位（steady state motion visual evoked potential,SSMVEP）的脑计算机接口（brain-computer interface,BCI）融合了人类视觉系统的运动感知功能,可减轻由SSVEP强烈视觉刺激引起的不适感和适应性,引起了广泛关注。然而,SSMVEP范式下依然存在被试者长时间精神集中出现的疲劳状态,这种疲劳状态将直接影响BCI
近年来,卷积神经网络由于其较高的分类精度而广泛应用于图像分类、目标检测以及场景分割等计算机视觉任务。卷积神经网络的分类精度随着网络层数的增加而提高。然而,伴随着网络加深,网络规模变大,需要的计算量剧增,采用软件运行卷积神经网络算法将会是一项非常耗时的工作。各种硬件加速器应运而生,以提高卷积神经网络模型的计算性能并满足嵌入式设备对于实时性、低功耗的要求。其中,现场可编程门阵列由于其强大的并行计算能力
计算机视觉技术和深度学习的快速发展为打造大规模、无人化养殖农场带来了新的机遇。利用计算机视觉技术实现猪个体识别,以提高猪场的管理效率成为近年来的研究热点。不同猪个体之间脸部特征较为明显,可通过识别猪脸确定猪个体身份,但实际养殖中脏乱的环境为猪脸识别带来很大困难。本文提出了一种基于多尺度卷积神经网络的猪脸识别算法,通过加深网络层数和拓展网络宽度提高了网络对猪脸图像的特征提取能力。利用对称拆分和非对称
随着计算机和自动化技术的发展,越来越多的移动机器人进入人们的生活,服务于社会的方方面面,尤其是在酒店服务、老年护理和医疗保健等行业受到人们的广泛欢迎。导航是移动机器人技术的核心,而定位是移动机器人导航的基本问题,只有准确的定位才能保证服务机器人可靠地完成任务。针对现有移动机器人室内定位方法存在准确性偏低和环境适应性较差等问题,本文采用深度学习结合特征点匹配的方法研究了利用门牌自然路标进行服务机器人
微化学反应器是一种能够通过控制化学反应的流速等方式控制化学反应进程的微型化学设备,可以大大缩短反应时间提高反应效率并且集成化程度高,可以与微小的传感芯片相集成,近年来得到越来越广泛的重视。追踪微化学反应对于表征化学反应进程中的相关参数,如化学反应速率、转化率、平衡常数、最适温度等发挥了很重要的作用。现有的一些方法通常不易与微化学反应器集成,因此不适用于微化学反应中并且无法实现实时在线检测。为了实现
瞬变电磁全波勘探需要记录供电电极或线圈在正向导通、正向关断、反向导通和反向关断时瞬态响应的全过程,需要同步记录不同位置的多组瞬态响应信号。这些信号幅度小,需要高精度、高分辨率、多通道的数据采集系统对瞬态响应进行采集。本文设计了瞬变电磁全波勘探数据采集系统,主要用于地表浅层的地质勘探。以瞬变电磁理论为基础,通过麦克斯韦方程组及电极激发的电磁场的轴对称性设计了势函数,对电极激发的瞬变电磁场响应进行了推
随着人工智能的快速发展,卷积神经网络（Convolutional Neutral Network,CNN）在图像处理,目标检测等领域发挥着越来越重要的作用。然而在很多的时候,使用CPU和GPU在处理这些大数据时存在诸多弊端,存在着速度慢,成本高,功耗大等缺点,无法满足CNN低功耗低延时推理的需求。现场可编程逻辑门阵列（Field-Programmable Gate Array,FPGA）则可以轻松