检验科医学论文提纲

论文题目：外周血细胞分类与计数在深度学习中的应用

摘要：在医学检验科,外周血细胞检测（血常规）作为一种采样方便、检测准确的检测方法,一直对疾病判断有着非常重要的意义。外周血细胞检测主要通过识别血液中各类细胞、并计算各类细胞的比例是否在正常范围内,从而判断被检测者是否患有某种疾病。不同的血细胞检查结果揭示了多种重要的血液病原理。在医学图像处理领域,随着成像技术的极大进步,用计算机图形学辅助医学诊断成为一大趋势,一方面,成像技术的发展带来了海量的医学数据,另一方面,计算机图形学辅助诊断可以生成血液样本的图像,带来更精确、更高效的诊断结果。总之,如何将深度神经网络应用到医学检测上,将计算机拍出的血液样本图片用深度神经网络进行分类和计数,代替医生的手动操作成为一个广泛关注的热点课题。本课题与南京市鼓楼医院合作,在医学检验科采集临床外周血细胞显微图像,建立外周血细胞数据集。本课题采用深度学习的方法对外周血血细胞进行分类和计数研究。主要研究内容包括:1、在分析了外周血细胞图像的采集难点后,建立了自己的血细胞数据集,这套数据集从实际入手,分类完备,比现有的5类白细胞数据集多出4类,为后续的分类和计数研究奠定了基础。2、针对数据集类间数据量不平衡的问题,做了数据增强并随机采样训练集。针对细胞类间特征差异过小的情况,设计出一种新的数据增强方法,加大差异间的采样频率,将测试准确率提高至99%。3、根据红细胞计数的研究现状,从图像处理入手,采用基于卷积神经网络的计数方法,结合特征金字塔（FPN）和深度残差网络ResNet,将红细胞计数的准确率提高至97.5%。本课题基本完成了血细胞的分类和计数工作,解决了细胞类间相似度过高引起的分类困难问题,并且涵盖了外周血中几乎所有影响疾病判断的细胞类型。该研究极大地节约了人力成本,并为后续的研究奠定了基础。

关键词：血细胞分类;血细胞计数;VGG ResNet

学科专业：信号与信息处理

摘要

Abstract

第一章 绪论

1.1 课题研究背景和研究意义

1.2 国内外研究现状和发展趋势

1.2.1 外周血白细胞分类研究现状和发展趋势

1.2.2 外周血红细胞计数国内外研究现状和发展趋势

1.3 本文研究目的和主要内容

第二章 深度学习理论基础

2.1 机器学习概述

2.2 深度神经网络研究

2.3 卷积神经网络

2.4 VGG介绍

2.5 ResNet介绍

2.6 本章小结

第三章 基于深度学习的外周血细胞分类研究

3.1 外周血细胞图像分析及数据集建立

3.1.1 外周血细胞图像分析

3.1.2 数据集建立

3.2 基于深度学习的血细胞分类方法

3.2.1 基于VGG模型的血细胞分类

3.2.2 基于ResNet模型的血细胞分类

3.2.3 实验对比

3.3 基于极坐标变换数据增强的血细胞分类方法

3.3.1 极坐标变换数据增强方法设计

3.3.2 极坐标变换数据增强方法实现

3.4 本章小结

第四章 基于深度学习的外周血细胞计数研究

4.1 红细胞分割模型

4.1.1 模型设计

4.1.2 损失函数设置

4.1.3 模型实现

4.2 红细胞计数模型

4.2.1 模型设计

4.2.2 模型实现

4.3 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

硕士期间成果

致谢