基于深度学习和机器视觉的手足口病辅助检测技术研究
发布时间：2022-12-06 02:03
手足口病是一种多发于儿童手足、口腔等部位的高隐性传染率疾病,且具有发生并发症甚至引发死亡的风险,早期的筛查和检测是降低手足口病感染率和死亡率的有效手段。当前国内外基于人工智能实现对手足口病（HFMD）检测识别,其研究多集中于用机器学习算法对手足口病电子病历（EMR）中的临床病例数据如病毒类型、峰值温度等进行分类,以此来识别手足口病。近年来,越来越多的研究人员将深度学习应用到了医学图像目标识别和检测上,且常常在大量诊断任务中达到了医生级别的准确率。如果能够通过手部、口腔等部位的皮肤病例特征,对手足口病进行对早期的筛查和检测,就能够及时的发现病情,防止病情进一步发展和传播。基于此,本论文提出了一种基于机器视觉和深度学习实现手足口病辅助检测的方法。主要研究内容包括:（1）通过参照手足口病的临床诊断标准,提出用视觉算法对图像中的手足口病皮肤病例特征进行检测,从而实现对手足口病的辅助检测和筛查。以及根据手足口病的不同症状特征建立数据集,并通过数据增强技术对数据样本进行扩充。（2）分别以单阶段检测算法和双阶段检测算法进行实验测试,并根据不同算法的检测结果,分析了单阶段检测算法应用于本论文研究所存在...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景
1.2 论文研究现状
1.2.1 基于智能算法识别手足口病研究现状
1.2.2 目标识别与检测研究现状
1.3 论文研究难点和主要创新
1.4 论文结构安排
2 研究方法基本理论和实验数据
2.1 神经网络基本结构
2.2 卷积神经网络及运算过程
2.2.1 卷积运算及可视化
2.2.2 局部感知域
2.2.3 激活函数及可视化
2.2.4 池化运算可视化
2.3 数据制作与数据增强
2.4 算法依赖的深度学习环境及搭建过程
2.5 本章小结
3 基于不同算法的手足口病辅助检测研究与实现
3.1 研究思路与方法
3.2 基于单阶段检测算法YOLOv3的检测算法模型
3.2.1 特征提取网络和多尺度特征
3.2.2 边框预测及分类和回归
3.2.3 损失函数和NMS筛选检测框
3.2.4 参数设置及网络训练
3.2.5 检测结果与分析
3.3 基于双阶段检测算法Faster RCNN的检测算法模型
3.3.1 基础特征提取网络和RPN网络
3.3.2 感兴趣区域池化
3.3.3 损失函数及网络训练
3.3.4 检测结果与分析
3.4 本章小结
4 检测算法改进和优化
4.1 算法改进思路
4.2 优化特征提取网络
4.3 CBAM改进检测算法
4.4 实验评价指标
4.5 实验结果分析
4.5.1 实验环境和实验数据
4.5.2 实验方法和实验结果对比
4.6 本章小结
5 检测机制改进和优化
5.1 检测机制优化思路
5.2 肤色检测判断机制
5.2.1 Ycb Cr+Otsu肤色检测
5.2.2 基于肤色检测排除逻辑设计
5.2.3 实验结果及分析
5.3 口腔检测判断机制
5.3.1 HOG+SVM口腔检测
5.3.2 ERT算法实现关键点定位
5.3.3 基于口腔检测排除逻辑设计
5.3.4 实验结果及分析
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]改进的Faster R-CNN在车辆识别中的应用[J]. 王宝珠,史龙云,郭志涛,雷瑶. 现代电子技术. 2019(23)
[2]深度学习在影像医学应用中的初步研究进展[J]. 高翾,王小林. 复旦学报(医学版). 2019(03)
[3]基于Faster R-CNN的田间西兰花幼苗图像检测方法[J]. 孙哲,张春龙,葛鲁镇,张铭,李伟,谭豫之. 农业机械学报. 2019(07)
[4]基于深度学习的目标检测框架进展研究[J]. 寇大磊,权冀川,张仲伟. 计算机工程与应用. 2019(11)
[5]基于改进YOLOv3的快速车辆检测方法[J]. 张富凯,杨峰,李策. 计算机工程与应用. 2019(02)
[6]遥感图像中飞机的改进YOLOv3实时检测算法[J]. 戴伟聪,金龙旭,李国宁,郑志强. 光电工程. 2018(12)
[7]嵌入SENet结构的改进YOLOV3目标识别算法[J]. 刘学平,李玙乾,刘励,王哲,刘宇. 计算机工程. 2019(11)
[8]手足口病诊疗指南（2018年版）[J]. National Health Commission of the People′s Republic of China;. 中国病毒病杂志. 2018(05)
[9]基于HOG特征与SVM的胶体气泡识别方法研究[J]. 潘琪,尹雄,秦襄培,武胜超,王洪娇,李俊林. 智能计算机与应用. 2018(05)
[10]阈值分解下的冷轧极薄带钢表面缺陷分割[J]. 化春键,周海英. 机械科学与技术. 2017(02)
硕士论文
[1]基于深度学习的雾霾能见度检测算法研究[D]. 吕泓君.南京邮电大学 2019
[2]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[3]基于深度学习的手势识别技术研究[D]. 王苏振.浙江大学 2019
[4]基于深度学习的油菜典型害虫快速检测研究[D]. 曾鸿.浙江大学 2019
[5]基于Faster R-CNN目标检测的机器人抓取系统研究[D]. 张亚辉.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[6]基于自适应特征聚类网的行人重识别[D]. 陈军如.西安电子科技大学 2019
[7]基于深度学习的车内人手检测技术的研究[D]. 陈佳.华中科技大学 2019
[8]基于深度学习的视频目标检测研究[D]. 刘荣.华南理工大学 2019
[9]基于深度学习的目标检测与识别[D]. 杨家启.哈尔滨工程大学 2019
[10]基于深度学习的微博文本情感分析研究[D]. 宋梦姣.南京大学 2018
本文编号：3710826
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景
1.2 论文研究现状
1.2.1 基于智能算法识别手足口病研究现状
1.2.2 目标识别与检测研究现状
1.3 论文研究难点和主要创新
1.4 论文结构安排
2 研究方法基本理论和实验数据
2.1 神经网络基本结构
2.2 卷积神经网络及运算过程
2.2.1 卷积运算及可视化
2.2.2 局部感知域
2.2.3 激活函数及可视化
2.2.4 池化运算可视化
2.3 数据制作与数据增强
2.4 算法依赖的深度学习环境及搭建过程
2.5 本章小结
3 基于不同算法的手足口病辅助检测研究与实现
3.1 研究思路与方法
3.2 基于单阶段检测算法YOLOv3的检测算法模型
3.2.1 特征提取网络和多尺度特征
3.2.2 边框预测及分类和回归
3.2.3 损失函数和NMS筛选检测框
3.2.4 参数设置及网络训练
3.2.5 检测结果与分析
3.3 基于双阶段检测算法Faster RCNN的检测算法模型
3.3.1 基础特征提取网络和RPN网络
3.3.2 感兴趣区域池化
3.3.3 损失函数及网络训练
3.3.4 检测结果与分析
3.4 本章小结
4 检测算法改进和优化
4.1 算法改进思路
4.2 优化特征提取网络
4.3 CBAM改进检测算法
4.4 实验评价指标
4.5 实验结果分析
4.5.1 实验环境和实验数据
4.5.2 实验方法和实验结果对比
4.6 本章小结
5 检测机制改进和优化
5.1 检测机制优化思路
5.2 肤色检测判断机制
5.2.1 Ycb Cr+Otsu肤色检测
5.2.2 基于肤色检测排除逻辑设计
5.2.3 实验结果及分析
5.3 口腔检测判断机制
5.3.1 HOG+SVM口腔检测
5.3.2 ERT算法实现关键点定位
5.3.3 基于口腔检测排除逻辑设计
5.3.4 实验结果及分析
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]改进的Faster R-CNN在车辆识别中的应用[J]. 王宝珠,史龙云,郭志涛,雷瑶. 现代电子技术. 2019(23)
[2]深度学习在影像医学应用中的初步研究进展[J]. 高翾,王小林. 复旦学报(医学版). 2019(03)
[3]基于Faster R-CNN的田间西兰花幼苗图像检测方法[J]. 孙哲,张春龙,葛鲁镇,张铭,李伟,谭豫之. 农业机械学报. 2019(07)
[4]基于深度学习的目标检测框架进展研究[J]. 寇大磊,权冀川,张仲伟. 计算机工程与应用. 2019(11)
[5]基于改进YOLOv3的快速车辆检测方法[J]. 张富凯,杨峰,李策. 计算机工程与应用. 2019(02)
[6]遥感图像中飞机的改进YOLOv3实时检测算法[J]. 戴伟聪,金龙旭,李国宁,郑志强. 光电工程. 2018(12)
[7]嵌入SENet结构的改进YOLOV3目标识别算法[J]. 刘学平,李玙乾,刘励,王哲,刘宇. 计算机工程. 2019(11)
[8]手足口病诊疗指南（2018年版）[J]. National Health Commission of the People′s Republic of China;. 中国病毒病杂志. 2018(05)
[9]基于HOG特征与SVM的胶体气泡识别方法研究[J]. 潘琪,尹雄,秦襄培,武胜超,王洪娇,李俊林. 智能计算机与应用. 2018(05)
[10]阈值分解下的冷轧极薄带钢表面缺陷分割[J]. 化春键,周海英. 机械科学与技术. 2017(02)
硕士论文
[1]基于深度学习的雾霾能见度检测算法研究[D]. 吕泓君.南京邮电大学 2019
[2]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[3]基于深度学习的手势识别技术研究[D]. 王苏振.浙江大学 2019
[4]基于深度学习的油菜典型害虫快速检测研究[D]. 曾鸿.浙江大学 2019
[5]基于Faster R-CNN目标检测的机器人抓取系统研究[D]. 张亚辉.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[6]基于自适应特征聚类网的行人重识别[D]. 陈军如.西安电子科技大学 2019
[7]基于深度学习的车内人手检测技术的研究[D]. 陈佳.华中科技大学 2019
[8]基于深度学习的视频目标检测研究[D]. 刘荣.华南理工大学 2019
[9]基于深度学习的目标检测与识别[D]. 杨家启.哈尔滨工程大学 2019
[10]基于深度学习的微博文本情感分析研究[D]. 宋梦姣.南京大学 2018
本文编号：3710826
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3710826.html
