首页 > 文献资料
-
基于改进自生成神经网络的皮肤镜黑色素细胞瘤图像分割
针对皮肤镜黑色素细胞瘤图像,提出一种基于自生成神经网络(self-generating neural net-work,SGNN)的自动分割算法.算法首先采用区域生长的方法将图像进行粗分割;然后将每一个子区域看作一个叶节点,根据节点之间的相邻关系定义连接规则;后采用SGNN对这些节点进行聚类.完成黑色素细胞瘤图像的分割.本文方法克服了传统SGNN算法对样本训练顺序敏感的缺陷,提高了效率,实验结果表明,该方法能够自适应确定聚类数目并准确分割黑色素细胞瘤图像.
-
基于BP神经网络的皮肤镜图像质量评价
皮肤镜技术能够观察活体皮肤表面以下微细结构和色素,是皮肤癌早期发现和诊断的有效工具.皮肤镜图像的采集质量直接影响后续的皮损目标自动分析诊断结果.针对皮肤镜图像的质量问题,提出了一种基于BP神经网络的综合质量评价方法.该方法研究了在采集过程中可能出现的散焦模糊、光照不均、毛发等影响皮肤镜图像质量的典型因素,采用BP神经网络建立综合评价模型,对各种因素混合存在时的皮肤镜图像质量进行客观评价.实验结果表明,在各种因素混合存在时,本文方法能够正确评价皮肤镜图像的综合质量,评价结果令人满意.
-
基于多项式拟合的皮肤镜图像光照不均去除
光照不均是皮肤镜图像中的常见失真,其严重影响了后续图像分割的准确性.本文提出一种基于多项式拟合的皮肤镜图像光照不均去除算法.论文首先将大津阈值与迭代Retinex算法结合,自动提取出背景像素;然后将这些背景像素代入多项式拟合模型,获得光照分量曲面;后根据Retinex成像模型,得到光照不均去除的结果.实验结果表明,与对比方法相比,本文方法能够校正图像中的光照不均,提高后续图像分割的精度.
-
基于组合BP神经网络的皮肤肿瘤目标识别
本文对皮肤肿瘤目标识别技术进行研究.首先利用阈值分割方法对皮损区域进行分割;然后,依据皮肤肿瘤早期诊断ABCD准则,对皮损区域提取了颜色、纹理和形状等特征,并基于相关性分析对所提取的特征进行优选;后采用组合BP神经网络模型实现了皮肤肿瘤目标的分类识别.本文方法在黄色人种皮肤镜图像上进行实验,结果表明,该方法具有更高的分类精度,敏感度和特异度分别达到了93.3％和96.7％,识别结果令人满意.
-
黄色人种皮肤镜图像的自动分析与识别技术
皮肤镜是一种观察活体皮肤表面以下微细结构和色素的无创性显微图像分析技术,已经成为皮肤癌以及各种皮肤疾病的筛选和诊断的有效工具.本文针对黄色人种皮肤镜图像,提出了一套带有质量评价功能的皮肤镜图像自动分析系统.该系统首先采用预处理方法对皮肤镜图像进行质量提升;然后采用基于多模式分类的方法实现皮肤镜图像的自适应分类;后采用组合神经网络模型,实现皮损的分类识别.对180幅黄色人种皮肤镜图像进行分类结果统计,获得了87.8％的敏感度和95.8％的特异度,较其他方法具有更好的分类准确率.
-
浅谈皮肤图像质量在AI研究中的价值
近年,以深度学习技术为代表的人工智能(AI)正席卷各行各业,而AI框架有多种,多数采用深度卷积神经网络(CNN)技术结合迁移学习进行训练,虽然在皮肤AI研究中取得长足进展,但其研究结果未能真正走出实验室进入临床应用.制约这些因素主要是缺乏高质量的皮肤疾病图像的大型数据集.本文针对皮肤科常见的图像采集方法,包括临床摄影图像、皮肤镜图像、反射式共聚焦激光扫描显微镜(RCM)图像、皮肤B超图像和组织病理图像的质量要素进行探讨和述评,希望对解决因皮肤图像质量的问题而影响AI研究进展的瓶颈问题能有所帮助.
-
皮肤镜图像计算机辅助诊断技术
皮肤癌的有效治疗方法是早期诊断加积极有效切除原发灶,对预后和降低死亡率起决定性作用.然而,依靠肉眼对皮肤肿瘤进行诊断,主观性大,即使训练有素的专家其诊断也存在较大的差异.皮肤镜图像计算机辅助诊断系统正是解决这个问题的有效途径,其可以对病变组织自动提取、智能识别,具有定量测量和分析的功能,使诊断更加精确、客观.本文对皮肤镜图像计算机辅助诊断系统的研究现状进行综述,并对皮肤镜图像分析中所涉及的图像质量评价、预处理去噪、皮损分割、特征提取和分类识别等技术进行总结,后给出未来发展趋势.为此方面的研究人员提供借鉴意义.
