基于Faster R-CNN的医学图像病灶标定系统

论文总字数：19133字

目 录

1 绪论 3

1.1 研究背景 3

1.2 研究意义 3

1.3 研究现状 4

2 需求分析 4

2.1 人民生活状况分析 4

2.2 影响医疗需求的因素 5

2.3 需求总结 5

3 可行性与设计原则 6

3.1 可行性分析 6

3.1.1 政策可行性 6

3.1.2 技术可行性 6

3.1.3 经济可行性 6

3.2 总体设计原则 6

3.3 Faster-RCNN算法简介 7

3.3.1 深度学习简介 7

3.3.2 基于候选区域（Region Proposal）的深度学习目标检测算法 7

3.3.3 R-CNN、Fast R-CNN与Faster R-CNN三者的比较 8

3.3.4 目标检测流程介绍 8

3.3.4.1 R-CNN目标检测流程 8

3.3.4.2 Fast R-CNN目标检测流程 8

3.3.4.3 Faster R-CNN内容 9

4 算法实现 9

4.1 Faster-RCNN所需caffe编译 9

4.2 数据集制作 10

4.2.1 数据集相关说明 10

4.2.2 定位信息标定 10

4.3 网络模型制作 12

5.3.1 模型制作说明 12

5.3.2 制作细节 13

4.4 开始训练 13

4.5 初次训练结果测试 13

4.6 数据集的修正与数据增强 14

4.7 测试结果统计与结论分析 16

5 系统实现 18

5.1 系统开发工具 18

5.1.1 JDK 18

5.1.2 MyEclipse 18

5.2 客户端实现 19

5.2.1 主界面设计 19

5.2.2 选择图片文件 19

5.2.3 病灶的标定 21

5.3 服务器端实现 22

5.3.1 服务端简介 23

5.3.2 客户端与服务器的通信实现 23

5.4 系统存在的问题分析 23

5.4.1 服务器端问题与临时方案 23

5.4.2 客户端问题与解决方案 24

6 系统维护 24

6.1改正性维护 24

6.2适应性维护 24

6.3完善性维护 25

7 总结 25

参考文献 26

致谢 27

基于深度学习的医学图像病灶标定系统

赵俊杰

，China

Abstract：In order to alleviate the shortage of medical service, reduce the dependence of medical treatment on human experience, and accelerate the application of computer technology in medical field, this system is developed. This system is based on medical image itself, the Faster - RCNN algorithm, and the Java environment. It identifies faster, and it has good platform portability. Environment building will not cost too much. I have formed a preliminary achievement. In such a case, the study of medical image is of profound significance. Assuming that we can use the existing medical equipment with simple and low-cost computer to automatically locate lesions, and classify identified lesions further, our program will greatly reduce the workload of doctors. Since the high-performance computer can realize rapid iteration, summarize experienced doctors’ identification characteristics, and then recognition rate will significantly higher than a single doctors experience-type recognition after a lot of training, and the recognition of lesion is more accurate. It is important for both doctors and patients.

Key words：Faster RCNN; lesion location; medical image; deep learning

1 绪论

1.1 研究背景

科学技术迅速发展的情况下，大多产业都被贴上了互联网 的标签，搭上了互联网的快车，在较短的时间内获得了告诉的发展。相比于大多数产业，医疗行业似乎一直是个特例。医疗设施一直以来更新换代缓慢，人在医疗过程中始终承担着不可替代的作用。近年来，伴随着我国经济的发展，国民对于健康的要求越来越广泛，标准也越来越高。然而，医生的数目不可能在短时间内获得巨大的增长，医生的水平也无法在短时间内获得较大的发展。换句话说，单靠已有的医疗资源，已经不能满足我国人民对于健康的需求。

近年来，医学成像也成为一种实用性于创新性的变革。这主要表现再两个方面：①是医疗相关硬件设备（MR、CT等硬件设备）的迅猛发展，使我们可以得到更好的医学图像；②是各种数学工具的运用，给了我们对医学图像进行重建、分析以及处理的手段，使我们可以看到更加清晰地医学图像。而对已经得到地医学图像，目前依然大规模采用人工分析识别地方式。当今，人工只能已经对我们的日常生活产生了重要影响，计算机终于可以像人一样，准确地自动处理图像甚至是视频，甚至在某些发面比人类的表现更加出色。这些突破性的成果大都来自于深度学习，然后深度学习相关的技术却久久没有应用到医学相关的领域。医疗服务的供给不足现象正逐渐扩大，迫切呼唤着新技术的出现。

1.2 研究价值

计算机科学技术的发展帮助很多产业突破了发展的瓶颈，重新获得了生机与活力。但是相关的技术却久久没有应用到医学领域。从医学图像的形成到病症的诊断，大致需要经过一下几个阶段：①是医学图像的获取。这一步需要借助医疗影像设备实现，现有的医学设备已经可以很好地完成，故我们不做讨论。②是医学图像的解读。这是非常关键的一步，直接决定了病症的诊断是否准确。目前而言，由于技术条件以及设备条件的限制，这一步通常是由医生或者是医师来实施的。但是人的生理机能决定了解读的不确定性，例如：由于个人的经历、学识的差异，不同的医生可能对同一个医学图像有不同的看法，对同一组医疗数据有不同的解读；高强度工作的情况下，医生也可能由于疲劳等因素造成解读的失误。③是异常的检测，事实上不难理解，二步的成果直接决定了第三步的可靠性。④是量化测量位置。当病人在采取一定的治疗手段之后，需要对治疗前后的差异进行评测，就需要精准的量化数据，以判断治疗所采取的措施是否有效。

不难看出，这四个步骤中，最为关键的是第二步，这一步对于疾病类型的确定、治疗措施的选定有具有重要的意义。而以目前的计算机技术而言，第二步完全是可以由计算机来完成的。事实上经过一定的开发调试，第三步、第四部也完全可以避免人工的参与。也就是说，只需要把医疗影响设备扫描形成的医学图像传输给计算机，计算机完全可以独立完成除治疗之外的所有步骤。甚至在算法和训练较为成熟的条件下，相比于传统的以人为基础的病理确定，可以有更高的效率和更高的准确性。深度学习相关的算法刚好契合了此处对计算机技术的需求，通过相关的方式再促进诊断，将需要治疗的区域做出明确的标识，并可能给出相关的病灶描述，将大大缩小医生的工作量，辅助医生更加有效、更加准确地做出诊断。

医学领域对于人的要求极为严格，也决定的医生数量的有限性。然而当前的高性能计算机已经可以实现快速迭代，在短时间内快速获得图像的已标识特征。使用算法定位病灶可以大幅降低医生的工作量，并在一定程度上降低医生的准入门槛，对医疗行业的发展具有重大的意义。由于计算机迭代学习的时效性，可以实现学习大量经验丰富的医生标识的特征，从而使自己的定位更为准确。这点人是远远无法做到的，从而可以大幅降低医生由于经验不足对于病患的误诊率。

1.3 研究现状

研究表明，当前我国对于图像定位算法在医学领域的应用还不完善，主要原因如下：

1.3.1 算法问题

目前而言，已经产生了大量的图像定位算法，并在交通、移动应用等领域产生了很好的效果。但是还没有对算法进行医院相关的专门优化，导致识别率低于预期等问题，未达到直接应用的水平。

1.3.2 成本问题

谷歌使用GoogLeNet算法^[1]达到了病灶的精确识别，识别率达到了惊人的接近90%，超过了多数医生的人工识别率。但是相关技术类似于Alpha go，高端到仅有谷歌这个科技巨头可以承担，且谷歌未公布相关的技术细节，也间接导致我国相关研究进展缓慢，具体的应用更是无从谈起。

2 需求分析

2.1 人民生活状况分析

随着经济的高速增长，我国居民人均收入逐年稳步提高。国际上通行的衡量家庭收入情况的恩格尔系数显示，过去几年里，我国居民的家庭恩格尔系数呈现出总体下降的趋势，尤其是农村家庭的恩格尔系数相比之前几年到几十年有了较大幅度的下降，从1990年的58.8降到了2013年的40.4^[2]。这总体上体现了我国家庭尤其是农村家庭收入的提高以及生活条件的改善。

2.2 影响医疗需求的因素

2.2.1 交通便利程度

目前，我国交通情况较过去有了很大的提高，多数地区已经实现“村村通公路”。一个便利的交通状况能够有效提高人民对于医疗服务的需求。

剩余内容已隐藏，请支付后下载全文，论文总字数：19133字

相关图片展示：