基于SegNet网络的皮肤癌病变区域的自动分割

论文总字数：20845字

目 录

1 绪论 1

1.1课题研究背景 1

1.2课题研究意义 2

1.3国内外研究现状和分析 2

1.4论文的主要目标 2

1.5论文的结构安排 3

2 深度学习与卷积神经网络 3

2.1卷积神经网络的发展 3

2.2相关基础 4

2.2.1神经网络 4

2.2.2激活函数 5

2.2.3局部感受野 5

2.2.4权值共享 6

2.2.5卷积 6

2.2.6池化 7

2.2.7损失层 7

2.2.8CNN结构 8

2.3全卷积神经网络（FCN） 8

2.4SegNet 10

2.5两种传统图像分割方法简述 11

2.5.1自适应阈值分割法 11

2.5.2区域生长分割法 12

3基于SegNet网络的病变区域自动分割 13

3.1研究动机 13

3.2实验环境 13

3.3实验数据准备 14

3.4利用SegNet进行分割 14

3.5实验结果 16

3.6利用两种传统方法进行对比实验 18

3.6.1自适应阈值方法进行分割实验 18

3.6.2区域生长方法进行分割实验 19

3.7实验评价 20

3.8实验分析 21

4总结与展望 21

4.1论文总结 21

4.2未来展望 22

参考文献 22

致谢 24

基于SegNet网络的皮肤癌病变区域的自动分割

陈晋

，China

Abstract: With the rapid development of deep learning, the field of medical imaging has gradually begun to apply deep learning to assist doctors in diagnosis and treatment. Melanoma is a dangerous human health malignancy, but there are subjective factors observed by the doctor in the naked eye under the microscope, so to achieve automatic segmentation of the lesion area is an important prerequisite for the subsequent extraction of features to automatically classify the disease, is the Department of Dermatology urgent need. In this paper, the SegNet network is used to achieve the automatic segmentation of the skin lesion area. The experimental results are good. The Dice coefficient of the test set reaches 0.84, and the Dice coefficient of the training set reaches 0.88.

Key words: Deep Learning; SegNet Network; Automatic Segmentation

1 绪论

1.1课题研究背景

由黑色素细胞病变引起的黑色素瘤，其发病率在目前全球范围内首屈一指。在身体的任何部位黑色素瘤都有可能迸发病变，但大多数病患的病变区域在皮肤、黏膜等部位。过度地接触紫外线不利于皮肤健康，可能会引起DNA突变，产生黑色素瘤，尤其在欧美地区的白种人中更是诱因之一^[8]。在美国，每年有约五百四十万新增皮肤癌病例，尽管其中黑色素瘤病患数量占总癌症患者数量的不足5%，但是他们却占所有皮肤癌死亡人数的约75%，死亡率令人望而生畏^[1]。相比其他国家和地区，长期以来我国都是黑色素瘤发病人数较少的国家，但是由于医疗水平的发展和环境的不断恶化，我国新发现的黑色素瘤病例的数量一直在增长，每年新增的病例超过20000例。

黑色素细胞的大量堆积是黑色素瘤的本质，在早期阶段，症状主要是色素的沉着、堆积增多、颜色逐渐变深、病变区域变大、硬度变大并伴有发痒症状。大多数患者对于早期症状不放在心上，等到溃烂、滋生真菌等现象时，病情已发生扩散和转移。病症的早期发现至关重要，因为如果能在最早阶段检测出黑色素瘤并对其进行治疗，病患五年间的存活率能超过99%，相反若是在最晚期才检测到，治疗已经几乎没有效果，病患存活率将下降到约14%。

目前对于黑色素瘤的诊断，大多数还停留在靠外科医生的观察和组织学活检，但肉眼观测客观性得不到保证，诊断结果与医生的经验和病患皮肤体征有关，有可能有误检；而组织学活检虽然准确率较高，但是需要手术切除，对患者有伤害。随着皮肤镜技术的发展，采集皮肤病变图片主要由皮肤镜获取，这种显微图像分析技术可以避免造成直接的皮肤创伤。

皮肤镜是一种用于观察和诊断患者皮肤病变区域的显微镜^[11]，医生可以通过放大几十倍发现皮表人眼难以发现的纹理特征、颜色、结构等信息。利用这种成像技术，皮肤科医生能够结合临床学和病理学，对黑色素瘤进行诊断和治疗。皮肤镜下的皮肤病变区域如图1所示。

图1 皮肤镜下皮肤病变区域示例图

针对同一张皮肤镜图像，不同的医生、不同时间段或者不同经验情况下的诊断结果可能不会完全相同。这种主观诊断在各种疾病分析上很常见，但是这要求医生有足够的水平和临床经验，因此在这种情况下漏诊甚至错诊无法完全避免。所以我们研究自动图像处理技术来辅助医生进行诊断，从而减少甚至消弭人的主观判断。

1.2课题研究意义

剩余内容已隐藏，请支付后下载全文，论文总字数：20845字