消化系统病理学检测开题报告

全文总字数：7862字

1. 研究目的与意义（文献综述）

目的及意义

数字图像处理方法可以有效改善图示信息以便人们解释^[1]，其应用广泛且已在很多领域获得成功，医学图像处理的对象是各种不同成像机理的医学影像，临床广泛使用的医学成像种类主要有x-射线成像 （x-ct）、核磁共振成像（mri）、核医学成像（nmi）和超声波成像（ui）四类。在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体，这往往需要借助医生的经验来判定。利用计算机图象处理技术对二维切片图象进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，从而大大提高医疗诊断的准确性和可靠性；在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用^[2,3]。 目前，医学图像处理主要集中表现在病变检测、图像分割、图像配准及图像融合四个方面。在医学成像中，疾病的准确诊断和评估取决于医学图像的采集和图像解释。近年来，图像采集已经得到了显着改善，设备以更快的速率和更高的分辨率采集数据。然而，图像解释过程，最近才开始受益于计算机技术。对医学图像的解释大多数都是由医生进行的，然而医学图像解释受到医生主观性、医生巨大差异认知和疲劳的限制。而基于深度学习的智能识别可以有效弥补这一缺点。

病理学图像检查是诊断筛选消化道系统癌症的重要依据，随着数字病理学的逐渐成熟，对高分辨率全图（wsi）的检测能力不断提高，这可以在偏远、落后地区代替经验丰富的病理学家进行诊断以有效提高的医疗水平。但由于wsi 的尺寸较大，对其进行远程检测有一定困难，一种可行的方法就是建立数字医学模型，以自动检测不同病理图像中的目标细胞。细胞检测是结合了目标定位和识别两个任务，它的目的是在wsi的诸多组织中找到目标，对每一个目标给出一个精确的目标边框（bounding box）并判断该边框中的目标所属的类别。

2. 研究的基本内容与方案

基本内容：基于最新的目标检测模型，针对wsi数据集，对其中的印戒细胞进行检测，针对印戒细胞的特点对模型进行改进，并基于结肠镜检查数据集对其进行分割。

目标：完成印戒细胞检测模型，并在此基础上完成结肠镜检查组织分割任务。

技术方案：基于已有的适用于其他问题的深度学习模型对印戒细胞进行检测。首先对图片进行预处理，基于同一张wsi染色情况相近的特点统一进行染色标准化，后利用固定大小的滑窗对每张wsi进行细胞分辨和提取，后对提取出的小图块利用深度学习模型进行归类，针对问题特点对其结构进行改进，采用vgg启发架构训练模型进行分类，借鉴优化算法思想改进神经网络的反向传播，从而使得检测结果准确性和泛用性提高。在此基础上采用fcn实现图像组织分割任务，对各个模块分别进行测试后进行整合形成新的检测模型。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]冈萨雷斯. 数字图像处理[m]. 电子工业出版社, 2003.

[2]林晓, 邱晓嘉. 图像分析技术在医学上的应用 [j] . 包头医学院学报, 2005, 21 (3): 311~ 314

[3]周贤善. 医学图像处理技术综述[j]. 福建电脑, 2009(1):34-34.pantanowitz l, farahani n, parwani a. whole slideimaging in pathology: advantages, limitations, and emerging perspectives. pathlab med inte, 2015. 1