导读:本文包含了皮肤图像论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,神经网络,皮肤科
皮肤图像论文文献综述
杨静,蔡梅[1]（2019）在《深度学习在皮肤科图像分析运用中的研究进展》一文中研究指出深度学习技术作为人工智能实现的主要技术,在图像识别领域显示出了超越人类的准确性和识别速度。近年来该技术在国内外如放射读片、病理读片及基于视觉的疾病辅助诊断等医学领域得到了广泛关注。在皮肤科领域国内外学者也对深度学习的运用进行了一些研究,本文旨在对该技术在皮肤科领域的运用进行汇总回顾。(本文来源于《中国皮肤性病学杂志》期刊2019年11期）
王文赛,邢恩铭,王韬,周榴,王晓春[2]（2019）在《图像配准在高频超声皮肤叁维成像中的应用研究》一文中研究指出目的:将图像配准技术应用在高频超声皮肤叁维成像系统中,消除由于叁维探头的振动、操作者和受试者的不自主运动等给叁维数据带来的偏差,提高高频超声叁维成像的精度。方法:以C++语言为基础,结合图像处理工具包ITK(insight segmentation and registration toolkit),在保持配准框架其他组成部分不变的情况下,仅改变变换函数对高频超声皮肤图像进行配准实验。通过可视化工具包VTK(visualization toolkit)观察叁维数据配准前后叁维重建图像的表面情况及其内部切面图,并选用相关系数、结构相似性指数、余弦相似度以及配准时间尝试对配准效果进行定量评价。结果:平移变换、刚性变换、二维相似变换以及仿射变换的配准对叁维重建图像质量有明显改善,B样条可变形变换配准效果不理想。5种变换函数中,刚性变换配准效果最好;平移变换配准和刚性变换配准效果接近,且所需配准时间最少。结论:图像配准能显着提高高频超声叁维重建图像的精度,在兼顾配准时间和精度的情况下,平移变换是高频超声皮肤叁维成像中较为理想的图像配准方法。(本文来源于《医疗卫生装备》期刊2019年07期）
缪新,张运海,黄维[3]（2019）在《皮肤反射式共聚焦显微成像自适应图像亮度调节》一文中研究指出在皮肤反射式共聚焦显微成像过程中,为了实现图像亮度的快速调节,提出了一种图像亮度自适应调节方法。通过实验建立光强控制电压与图像亮度之间的关系模型,划分图像极端亮度区间与适度亮度区间,采用分段调节策略,将初始图像从极端亮度区间快速调整至适度亮度区间,在适度亮度区间内通过线性补偿调节至目标灰度均值。对不同深度、不同位置的皮肤组织进行实时成像,图像初始亮度存在着过亮、过暗和适中等各种情况,上述亮度自适应调节方法均能实现快速亮度调节,调节迭代次数为2～3,调节后图像灰度均值达到最优值70左右。实验结果表明,这种自适应图像亮度调节方法快速、有效,能够满足皮肤共聚焦成像检测的需要。(本文来源于《光学精密工程》期刊2019年06期）
杨宗霖,彭育辉,杨橙,纪明开,赵雁[4]（2019）在《基底细胞癌的皮肤镜图像轮廓特征分析》一文中研究指出目的研究分析色素型基底细胞癌和其他色素性皮损的轮廓规则性特征。方法选取30例色素型基底细胞癌和50例其他色素性皮损患者的皮肤镜图像,应用计算机图像处理方法分别对皮损轮廓的曲率分布、矩形度和偏心度特征进行研究分析。结果 83.30%的色素型基底细胞癌病例轮廓曲率标准差大于0.001,而100%的其他色素性皮损的轮廓曲率标准差均小于0.001,差异有统计学意义(P<0.05);统计涉及的80例色素性皮损病例,色素性皮损的矩形度平均值(0.637 5)明显小于色素型基底细胞癌(0.881 6),差异有统计学意义(P<0.05);体现偏心度的半径方差、半径极差和半径变异系数平均值分别为3 235.80、207.264、24.149和158.435、65.704、7.232,差异均有统计学意义(P均<0.05)。结论基于皮肤镜图像,色素型基底细胞癌和其他色素性皮损的轮廓规则性特征存在显着差异,可为临床鉴别诊断提供参考依据。(本文来源于《中国皮肤性病学杂志》期刊2019年06期）
刘思[5]（2019）在《基于显着性和自适应小波阈值的皮肤镜图像分割研究》一文中研究指出据世界卫生组织统计,皮肤癌的致病率和死亡率逐年增加,严重威胁人类的生命健康,其中黑色素瘤作为最致命的一种皮肤癌,是导致皮肤疾病致死率持续增长的主要原因,在其早期进行及时诊断和临床干预是提升患者治愈几率的重要途径。利用皮肤镜技术观察活体皮层,分析皮肤镜图像丰富的纹理、色素特征,可量化评估皮损区域的严重程度和发展趋势,辅助医生进行高效的疾病诊断。其中精确的皮损区域分割既是开展皮肤镜图像分析、处理的关键技术,更是后续开展皮肤疾病分析和诊断的前提和保障。针对皮肤镜图像中对比度低、边界模糊等难点挑战,本文围绕皮肤镜图像自动分割问题,采用显着性模型和自适应小波阈值方法展开深入研究,其主要工作如下:1)为了有效地进行皮损区域分割,本文提出一种无监督的皮损区域分割方法,结合显着性和自适应小波阈值获取精准的皮肤镜图像分割。首先,将颜色显着图和亮度显着图进行融合,扩大皮损区域与健康皮肤之间的区别,获取感兴趣的皮损区域;然后将显着图与基于小波变换的自适应阈值相结合,进一步提升皮损区域的分割效果。2)针对显着性模型在皮肤镜图像上的应用没有考虑到人眼视觉等主观高层信息,本文利用眼动追踪技术,采集15名观测者的眼动数据,建立皮肤镜图像的眼动数据库,从而构建基于眼动信息的皮肤损害区域显着性模型。首先,利用眼动注视点和眼动注视时长,获取眼动区域作为前景模板;接着通过前景模板和背景模板的选取进行眼动显着图构建;最后融合眼动、颜色和亮度显着图,有效地融入眼动信息来提升分割精度,提出基于融合显着性和自适应小波阈值的皮肤镜图像分割算法。3)我们在两个公共数据集PH2和ISBI2016上开展一系列实验对算法分割性能进行评估。通过多种评价指标从不同方面来验证本文方法的有效性,本文方法在两个公共数据集上的实验量化结果和视觉效果表明,我们的方法优于大多数主流方法。(本文来源于《湘潭大学》期刊2019-06-04）
胡亮[6]（2019）在《面向人脸皮肤健康的图像诊断方法研究》一文中研究指出随着深度学习技术的兴起和发展,基于深度学习的医学图像分析技术成为计算机辅助诊断领域的热门研究课题。由于皮肤病种类繁多且目前皮肤病鉴别标准和诊断标准不统一,如何实现皮肤病图像自动诊断成为当前皮肤病辅助诊断领域尚待解决的瓶颈问题。因此,本文结合深度学习对皮肤病图像自动诊断技术展开相关研究。本文工作主要包含以下两个方面:针对皮肤病鉴别标准和诊断标准不统一,且当前皮肤病辅助诊断系统均采用鉴别标准辅助医生诊断的问题,本文提出了一种基于区域提议的面部皮肤病图像自动诊断算法。该方法基于诊断标准将皮肤病图像自动诊断分为皮肤病检测和皮肤病分类两个步骤,首先基于改进的Faster R-CNN算法检测皮肤病病灶区域和统计病灶数,其次将检测结果输入到分类网络中确定检测区域的类别,最后将检测与分类的结果结合病灶区域数量和个人信息对皮肤病图像进行自动诊断。将目标检测方法与分类方法结合避免了面部皮肤病数据集中不同类别样本数量不均衡的问题。针对因面部皮肤病数据集中不同类别样本数量不均衡,影响诊断算法准确率的问题,本文提出了一种基于循环一致性对抗网络的面部皮肤病图像自动诊断算法。该方法首先利用循环一致性对抗网络对面部皮肤病数据集中数据量较少的皮肤病图像进行扩充,并将生成结果交由专业人员评定和标注,平衡数据集中不同类别面部皮肤病的样本数量。其次在基于区域提议的皮肤病检测网络的基础上,使用平衡后的面部皮肤病数据集训练皮肤病检测网络,使其可以单独完成对皮肤病区域的检测,分类和统计病灶区域数量,并结合个人信息对皮肤病图像进行自动诊断。该方法解决了面部皮肤病数据集中类别不平衡的问题,提高了皮肤病诊断算法的准确率。本文结合深度学习技术,针对皮肤病鉴别和诊断标准不统一,从类别不平衡数据集的皮肤病图像自动诊断与类别平衡数据集的皮肤病图像自动诊断两个方面对皮肤病图像自动诊断技术进行了研究,提出的方法是对皮肤病图像自动诊断技术的探索。(本文来源于《武汉科技大学》期刊2019-05-10）
马泽[7]（2019）在《基于卷积神经网络的皮肤镜图像分割与分类方法研究》一文中研究指出皮肤癌及各种色素性皮肤病正严重威胁着人类的健康。目前医学领域主要通过医生观察分析皮肤镜图像中的病灶特征实现色素性皮肤病诊断。皮肤镜图像是一种利用无创性显微成像技术获取的医学图像,可以清晰的显示皮肤病的病灶特征。但是由于不同病例的病灶差别很小,使医生通过裸眼观察方式分析判断病灶类别变得十分困难。为了实现有效治疗,针对皮肤镜图像的计算机辅助诊断系统需求量上升,通过计算机辅助诊断,可以缓解医生的就诊压力,有助于提升诊断的效率和准确率。针对皮肤镜图像的计算机辅助诊断系统主要包括皮肤镜图像分割和分类两个任务。皮肤镜图像分割目的是确定病灶轮廓和大小,确保手术切除的准确性。主流的皮肤镜图像分割方法包括基于区域的分割、基于阈值的分割、基于聚类的分割以及监督学习方法,这些方法会受主观因素以及图像中毛发、水泡等杂质的影响,分割效果不理想,而卷积神经网络虽然能很好的完成自然图片的语义分割任务,但在皮肤镜图像分割领域应用不成熟,分割效果还有很大提升空间。对于皮肤镜图像分类任务,很多研究通过人工提取皮肤镜图像中的病灶特征后再结合计算机算法进行特征分类,从而判断病灶类别,这种方法需人工参与,实现难度较大且易受主观因素影响。而卷积神经网络在皮肤镜图像分类中的研究集中在使用单个网络进行黑色素瘤识别这种二分类任务,多种类皮肤病分类的准确率仍有很大提升空间。针对上述主流方法的不足,本文给出基于卷积神经网络的皮肤镜图像分割与分类方法,以准确、自动化的实现皮肤镜图像分割与分类。本文的主要工作有:1、给出一种基于卷积神经网络的皮肤镜图像分割与分类模型,该模型包括皮肤镜图像获取模块、皮肤镜图像去噪模块、图像分割模块、图像分类模块和测试模块。各模块分别实现皮肤镜图像收集、颜色异常噪声的去除、皮肤镜图像分割、皮肤镜图像分类等相关功能。2、为了解决皮肤镜图像难以收集以及颜色显示异常的问题,本文给出皮肤镜图像批量获取以及图像颜色矫正方法。皮肤镜图像批量获取方法利用医学图像协会提供的皮肤镜图像数据集接口设计数据爬取方法,实现皮肤镜图像的批量获取,对获取到的图像利用Shades of Grey算法进行色彩恒常性矫正,该色彩矫正方法可将颜色异常的皮肤镜图像还原为自然白光下的图像。3、本文给出一种端到端的皮肤镜图像分割网络实现皮肤镜图像的语义分割。该网络分为下采样部分和上采样部分,下采样部分通过跨层卷积提取皮肤镜图像的特征图,上采样部分利用反卷积将不同尺寸的特征图还原为输入图像的尺寸,实现图像的分割。该分割网络利用迁移学习方法初始化下采样部分参数,并使用微调技术训练反卷积核的参数,从而提高网络训练的效率。本文还为网络设计一种基于dice系数的损失函数,使其更适用于皮肤镜图像分割任务。4、在实现皮肤镜图像分割的基础上,给出一种基于集成卷积神经网络的皮肤镜图像分类算法。该算法首先根据分割结果移除皮肤镜图像中面积较大的背景图像,仅保留病灶区域图像,然后利用病灶区域图像训练多种卷积神经网络提取病灶特征向量,并利用集成学习方法对这些特征向量进行分类,达到皮肤镜图像分类的目的。该方法同样根据迁移学习策略,利用自然图片上预训练的参数初始化卷积神经网络的卷积层,使卷积神经网络在训练数据有限的情况下得到有效训练,避免模型过拟合。为了验证皮肤镜图像分割与分类方法的有效性,本文利用皮肤图像协会ISIC公开的皮肤镜图像数据集进行了多组对比实验。在皮肤镜图像分割试验中,将本文给出的皮肤镜图像分割网络与多种常用的图像语义分割方法作对比,其中该网络的预测分割结果与真实分割结果的相似系数达到83.8%,与其他分割方法相比提高了6%以上。在皮肤镜图像分类实验中,通过多组对比实验分别验证本文给出的色彩恒常性矫正方法、皮肤镜图像背景移除处理以及集成卷积神经网络算法对分类效果的提升作用,实验结果表明,对皮肤镜图像进行色彩恒常性矫正和背景移除处理后可得到更好的分类结果,基于集成卷积神经网络的皮肤镜图像分类算法的分类正确率达到89.2%,该分类结果是实验所用公开数据集上的最优结果。多组实验结果表明,本文给出的方法可以更加准确高效的进行皮肤镜图像分割与分类,对临床医疗诊断和医学研究有一定参考价值。(本文来源于《西南大学》期刊2019-04-08）
王思涵[8]（2019）在《基于图像处理的皮肤皱纹检测系统》一文中研究指出随着时代的变迁,人们开始更加关注自己的外表。皮肤作为人们身体的外表,自然是人们关注的重点。但人们的皮肤经历风吹日晒,会出现老化、多皱纹的情况。这种情况对于人们的身体是极大损伤,且使人看起来不是那么清爽漂亮。因此皮肤皱纹检测系统也将成为一个未来发展方向。用肉眼观察诊断的方法是势必是要被淘汰的,人们需要更准确合理的方法帮助他们进行皮肤皱纹检测。本文提出两种合适的检测皮肤粗糙程度图像的预处理方法:分别是HSV颜色空间和直方图均衡化。其中HSV颜色空间需要来进行图像分割。本系统运用直方图均衡化来增强整个图像的颜色对比度。最后是通过灰度差值直方图来表示图像中的纹理粗糙程度,从而检测皮肤是否需要护理修复。(本文来源于《青年与社会》期刊2019年07期）
刘海瑶[9]（2019）在《基于图像处理的皮肤光泽检测系统》一文中研究指出人体皮肤光泽度在人们的健康指标中占有重要地位,一个人的皮肤光泽度可以反映出他(或她)的气色、心情等健康指标。该系统需要先对图像进行脉冲噪声处理,使图像变得清晰,这就需要用到中值滤波。接着利用图像分割将人脸与周围环境分割开来,然后利用Retinex算法中的单尺度算法对处理后的图片进行计算,最终得到此人的皮肤光泽度检测报告。试验结果表明,该系统操作简便,并能得到较精确的结果。(本文来源于《青年与社会》期刊2019年07期）
李巧飞,彭丽丽,沈静,曾抗[10]（2019）在《马尔尼菲蓝状菌病皮损的皮肤CT特征图像初探》一文中研究指出皮肤CT已经广泛应用于诸多皮肤病的诊断,但在皮肤深部真菌病如马尔尼菲蓝状菌病的应用少见报道。该文通过皮肤CT检测1例马尔尼菲蓝状菌病患者的多处皮损,发现其皮肤CT图像有特征性的改变——桑葚样结构,这一结构特征的发现可能有助于马尔尼菲蓝状菌病的诊断。(本文来源于《实用皮肤病学杂志》期刊2019年01期）
皮肤图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:将图像配准技术应用在高频超声皮肤叁维成像系统中,消除由于叁维探头的振动、操作者和受试者的不自主运动等给叁维数据带来的偏差,提高高频超声叁维成像的精度。方法:以C++语言为基础,结合图像处理工具包ITK(insight segmentation and registration toolkit),在保持配准框架其他组成部分不变的情况下,仅改变变换函数对高频超声皮肤图像进行配准实验。通过可视化工具包VTK(visualization toolkit)观察叁维数据配准前后叁维重建图像的表面情况及其内部切面图,并选用相关系数、结构相似性指数、余弦相似度以及配准时间尝试对配准效果进行定量评价。结果:平移变换、刚性变换、二维相似变换以及仿射变换的配准对叁维重建图像质量有明显改善,B样条可变形变换配准效果不理想。5种变换函数中,刚性变换配准效果最好;平移变换配准和刚性变换配准效果接近,且所需配准时间最少。结论:图像配准能显着提高高频超声叁维重建图像的精度,在兼顾配准时间和精度的情况下,平移变换是高频超声皮肤叁维成像中较为理想的图像配准方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
皮肤图像论文参考文献
[1].杨静,蔡梅.深度学习在皮肤科图像分析运用中的研究进展[J].中国皮肤性病学杂志.2019
[2].王文赛,邢恩铭,王韬,周榴,王晓春.图像配准在高频超声皮肤叁维成像中的应用研究[J].医疗卫生装备.2019
[3].缪新,张运海,黄维.皮肤反射式共聚焦显微成像自适应图像亮度调节[J].光学精密工程.2019
[4].杨宗霖,彭育辉,杨橙,纪明开,赵雁.基底细胞癌的皮肤镜图像轮廓特征分析[J].中国皮肤性病学杂志.2019
[5].刘思.基于显着性和自适应小波阈值的皮肤镜图像分割研究[D].湘潭大学.2019
[6].胡亮.面向人脸皮肤健康的图像诊断方法研究[D].武汉科技大学.2019
[7].马泽.基于卷积神经网络的皮肤镜图像分割与分类方法研究[D].西南大学.2019
[8].王思涵.基于图像处理的皮肤皱纹检测系统[J].青年与社会.2019
[9].刘海瑶.基于图像处理的皮肤光泽检测系统[J].青年与社会.2019
[10].李巧飞,彭丽丽,沈静,曾抗.马尔尼菲蓝状菌病皮损的皮肤CT特征图像初探[J].实用皮肤病学杂志.2019