神经胶质瘤 胶质瘤三四级怎么办2

行李箱怎么改密码-月经期间性生活

2021年5月21日发(作者:高中化学论文)



基于卷积神经网络的脑胶质瘤分级
吴 聪,黄中勇,殷 浩,刘 罡,李江浩


【摘 要】[摘 要]针对脑胶质瘤人工分级难度大、费时费力的情况,提出一种
改进的卷积神经网络方法来对脑胶质瘤进行分级。

在传统的卷积神经网络结构
上增加一层卷积层和采样层,同时使用支持向量机作为分类器;依据大脑结构
自动定位肿瘤区域并输入网络进行分类。

根据实验结果得出,网络的训练准确
率为85.27%,测试准确率为83.79%,均优于传统的网络结构。



【期刊名称】湖北工业大学学报

【年(卷),期】2017(032)004

【总页数】5

【关键词】[关键词]卷积神经网络;特征提取;脑胶质瘤分级;磁共振成像

肿瘤是对人体伤害巨大的多发性疾病,是危害神经系统的颅内肿瘤。

通常颅内
肿瘤发生于脑组织、脑膜、颅神经等,除此之外也可能从身体其他组织的恶性
肿瘤转移而形成。

根据世界卫生组织的分类[1],病理级为Ⅰ~Ⅱ级的少枝细
胞胶质瘤、星型细胞瘤等为低级别胶质瘤;Ⅲ~Ⅳ级的成髓细胞瘤、星型细胞
瘤等为高级别胶质瘤。

最常见的颅内肿瘤为脑胶质瘤。

低级别胶质瘤一般发展
迟缓,容易治愈,但是高级别胶质瘤发病较快,难以治愈且复发率高。



磁共振成像(MRI,Magnetic Resonance Imaging)可用于对病人的检查,
因其在人体内部器官成像清晰的优越性,常用于脑胶质瘤的检查。

根据
Provenzale[2]与Greene[3]等研究表明,MRI图像具有能反映胶质瘤级
数的特征。

现如今对于脑胶质瘤分级,绝大部分依靠富有经验的医生凭借肉眼
来观察患者的MRI图像特征。

但依靠人力来区分级数,不仅费力耗时,而且受



医生主观影响较大,容易发生误诊情况。



卷积神经网络(CNN,Convolutional Neural Networks)[4]对识别扭曲复
杂的几何形变有比较强的不变性,而且识别准确率相对于其他神经网络来说具
有比较明显的优势。

提出一种基于CNN的脑胶质瘤分级方法,克服了传统分
级需要大量人力的缺点,把经过一定处理的MRI图像输入网络,让网络学习图
片特征并准确分类。



1 卷积神经网络

近些年来,卷积神经网络发展迅速,并逐渐成为一些研究领域的热点,如:李
健等[5]人把多尺度卷积神经网络应用于磁共振成像脑肿瘤分割中,分割精度
优于传统的支持向量机模型;Sermanet等[6]人在交通信号识别中应用卷积
神经网络模型取得了不错的效果;Chen等[7]人在改进CNN结构后,提高
了网络的运算速度和鲁棒性,并在人脸识别中验证了其方法的有效性;
Syafeeza等[8]人为了提高车牌识别的准确率,使用并优化了CNN,取得了
98%的识别准确率。



典型的CNN结构有五层(图1),分别为卷积层C1,下采样层S2,卷积层C3,
下采样层S4,全连接层(不包含输入层和输出层)[4]。

其中K1×K1,K2×
K2,K3×K3,K4×K4为各层间所使用的核。



使用K×K的卷积核对前一层特征图进行卷积操作,所得到的数值经过一个激活
函数后输出此层特征图的为卷积层,也称为特征提取层。

一个卷积层可以由多
个特征图组成,且一个特征图可以和前一层的多个特征图相连接。

卷积层的神
经元提取前一层局部特征,由于共享权值,大大减少了网络需要训练的参数个
数,从而降低了CNN的复杂度。

卷积层运算可由式(1)表达。





其中,F(x)为激活函数,通常有两种:双曲正切函数F(x)=tanh(x)和
Sigmoid函数F(x)=。

Clj为第l层的第j个特征图,Ml为

第l层输入数据集,Kijl为卷积核,bjl为第l层的第j个特征图所对应的偏置值。



一般地,特征提取层会后接特征映射层,也称作采样层。

由卷积层输出的特征
图经过采样层采样后,特征图数量一样,但每个特征图会变小。

采样层通常有
两种计算方式:最大值采样(式(2))和均值采样(式(3))。



其中,F(x)为激活函数,Sjl为第l层的第j个特征图,k(n,n)为输入窗
口矩阵,通常取2×2窗口。

函数D(x)表示均值抽样函数,ajl和bjl为每个
输出特征图所对应的可训练参数和偏置值。



2 胶质瘤分级网络的结构

2.1 整体流程

基于卷积神经网络的脑胶质瘤分级方法主要分为肿瘤区域定位和分级两个步骤。


医疗诊断中,医生为了能较好地观察病人的脑肿瘤情况,往往需要比较大的
MRI图像,而实际上脑肿瘤在整个图像中只占了很小一部分(图2)。



如果直接把原始MRI图输入到CNN中进行训练,势必会造成网络负担过重,
运行时间过长,分级准确率过低的情况产生。

为了防止以上情况,需要对MRI
图中的脑肿瘤区域进行定位并分割出肿瘤所在的区域,如可选择定位窗口为
32×32大小或者44×44大小。

肿瘤区域确认后,可将其输入到网络中进行训
练;并且同时进行分类测试。

图3为基于CNN的脑胶质瘤分级整体流程图。



CNN输入层接收处理后的图片数据,多次通过卷积层和采样层提取特征,之后
进入分类器得出图片的分级结果。

网络的学习过程为有监督的,依据脑胶质瘤
病情由轻到重的程度,分为Ⅰ、Ⅱ、Ⅲ和Ⅳ级,共四种分类。

由于单次迭代并

龙舞九天-好的鼻子整形医院


电脑切换器-张震上将


diagnostics-橡胶树


股骨颈骨折-威尔斯陶瓷


火车哥-公牛开关插座


勾峰-心房颤动心电图


涅盘什么意思-文档在线


网络游戏修改器-天龙八部门派boss


更多推荐
荣泰健康,000693股票,中信重工,活期存款利率计算器,002463,新坐标,600229股吧,000536,参股期货,600088股吧,减记型合格二级资本工具,000787股吧,股票300172,600435中兵光电,000968股吧,caoliu发布页,鹏鼎控股,股票002123,600644股吧,红岭内参,股票之声,博瑞医药,回暖,招商证券股票,中际装备股票,开滦股份股票,600538股吧,申请破产保护,鸡蛋 价格,银华基金网上交易,开心网1,万可佳,谢百三博客,300010立思辰,苹果股价,国恒铁路股吧,002409,300485,003039,股票600657,600219股吧,历届环球小姐,601500,大承一卡通,开局首季问大势 权威人士谈中国经济,附条件上市是什么意思,最新江西省行政区划调整规划,西部矿业网,深赛格股吧,迪士尼概念,阮伟祥,标准股份股吧,002041股吧,300821,海螺水泥股票,
发布时间:2021-05-21 21:23:46
本文来自网络的,不代表本站立场,转载请注明出处: https://www.hnkaiping.cn/hnka/441640.html

作者: admin

股票市场吧|今天股票行情|股票时间

发表评论

11条评论

  1. Magnetic Resonance Imaging)可用于对病人的检查

  2. 可将其输入到网络中进行训练;并且同时进行分类测试

  3. 提高了网络的运算速度和鲁棒性

  4. 如果直接把原始MRI图输入到CNN中进行训练

  5. 除此之外也可能从身体其他组织的恶性肿瘤转移而形成

  6. 行李箱怎么改密码-月经期间性生活2021年5月21日发(作者:高中化学论文) 基于卷积神经网络的脑胶质瘤分级吴 聪

  7. 函数D(x)表示均值抽样函数

  8. 行李箱怎么改密码-月经期间性生活2021年5月21日发(作者:高中化学论文) 基于卷积神经网络的脑胶质瘤分级吴 聪