7篇关于肺炎的计算机毕业论文

今天分享的是关于肺炎的7篇计算机毕业论文范文, 如果你的论文涉及到肺炎等主题,本文能够帮助到你

基于Mask R-CNN的肺炎图像目标检测算法的研究

这是一篇关于Mask R-CNN,sECANet注意力机制,目标检测,卷积神经网络,肺炎的论文, 主要内容为肺炎是威胁肺部健康的最常见疾病之一,全世界因感染肺炎死亡的数据不断增加,因此肺炎的诊断和治疗是人们日益关注的话题,因此开发一个能够自动检测肺炎的模型对辅助放射科医师读取肺部X射线图像非常有意义。本文基于深度学习的优势,将深度学习卷积神经网络应用于肺炎检测,具体的工作内容如下。第一,采用掩膜区域卷积神经网络(mask region convolutional network,Mask R-CNN)作为肺炎图像检测算法的基础模型,将Res Net50(Residual Network,Res Net)与Res Net101融合网络作为特征提取网络,将改进后的算法命名为Mask R-CNN＿RR,在北美放射学会(RSNA)肺炎数据集下进行实验分析,得到同一张肺部图像有一个和两个病变区域的预测值和真实值的交并比IOU分别提高1.72个百分点和2.83个百分点,相比之下,Mask R-CNN＿RR较改进前具有明显优势。第二,在Mask R-CNN＿RR算法中添加注意力模块(Spatial-Channel-SENet,s ECANet)从而提到准确性,将改进后的算法命名为Mask R-CNN＿RRs,使用相同数据集对改进后的网络模型进行训练研究,最后经过Mask R-CNN＿RRs,在肺部X射线图像的肺炎病变区域的分类准确率提高2.3个百分点,改进后的算法不仅在分类准确率和病变域的回归精度方面得到提高,而且检测时间的增加幅度较小,这证实了Mask R-CNN＿RRs算法在对肺部X光图像进行肺炎病变区域检测时具有明显的优势。第三,使用Mask R-CNN＿RRs算法与对比算法在其他公开数据集上进行实验,经过实验验证,Mask R-CNN＿RRs算法在肺炎病变区域检测任务中表现出色,相比于其它算法具有明显的优势。虽然改进后算法的检测时间略有增加,但分类准确率和病变域的回归精度分别有所提高,说明改进后的算法能够更准确地定位病变区域。因此,该算法在实际的肺炎检测任务中具有一定的可行性,可以为医师提供更准确的辅助诊断。第四,将改进后的模型应用到肺炎检测的系统中,能够有效地检测出肺部中可能存在的感染灶,从而帮助医师更加准确地诊断和治疗肺炎患者。

基于深度学习的肺部病变诊断方法研究

这是一篇关于深度学习,注意力机制,胸部X光图像,肺炎,特征融合的论文, 主要内容为目的:肺是人体呼吸系统中最重要的器官,胸部X光图像在肺炎的诊断和治疗中扮演了非常重要的角色,但随着胸部X光图像的日益增多以及放射科医生的短缺,使用计算机辅助诊断技术提高对肺部影像的诊断准确率,成为当前智能医学领域的研究热点和难点。深度学习能够从海量的数据中挖掘出有效的病灶信息,提高诊断准确率,缓解误诊漏诊问题。因此,本文围绕基于深度学习的肺部影像分类问题进行研究。方法及结果:(1)本研究提出一种深度可分离稠密网络,以2905例胸部X线平片影像作为实验数据集,在网络训练前使用限制对比度自适应直方图均衡化算法对图像进行预处理,采用Leaky Re LU作为激活函数。引入多个卷积神经网络模型进行比较,相较于Res Net34,在准确率、灵敏度和特异性上分别提高了2.0%、2.3%、1.5%。(2)本研究提出了一种基于注意力机制的卷积神经网络对肺炎胸部X光影像进行诊断。提出了两个注意力机制模块CDSE和MCSA,从通道和空间两个维度对特征图中存在的有效信息进行提取,通过实验证明了CDSE与MCSA是两个互补的模块。本文网络在儿童肺炎数据集上的准确率和F1分数上分别达到了97.436%和97.241%,优于当前所提出的CNN模型,并在另外两个肺炎数据集上验证了模型的有效性。(3)本研究提出了一个儿童病毒性细菌性肺炎诊断框架。提出一种多尺度融合注意力机制,将浅层特征和高层特征进行融合,使用上下文注意力模块和空间位置注意力模块对潜在的有效信息进行提取。为了针对性地对难分样本进行训练,提出一种双阈值自步学习方法,能够动态地调整样本的训练顺序。在儿童肺炎数据集上进行了验证,本文网络在准确率和F1分数上分别达到了93.333%和92.710%。结论:本研究提出了三种深度学习算法,能够对新冠肺炎医学影像和儿童肺炎胸部X光影像进行自动诊断,分别是新冠肺炎多分类算法(DWSDense Net)、儿童肺炎自动诊断算法(PCXRNet)和儿童病毒性肺炎和细菌性肺炎分类算法(MFA-DSLNet)。DWSDense Net具有轻量化的特点。PCXRNet结合两种注意力机制提升了儿童肺炎的诊断准确率。MFA-DSLNet使网络能够针对性地对难分样本进行学习,多尺度融合注意力机制将浅层特征和高层特征进行融合,加强模型对于病灶信息的敏感度。

基于Mask R-CNN的肺炎图像目标检测算法的研究

抗炎纳米药物的制备及其用于抑制细胞因子风暴的研究

这是一篇关于炎症介质,细胞因子,免疫调节,脓毒症,肺炎的论文, 主要内容为脓毒症被定义为一种由于宿主对感染的反应失调而导致的危及生命的器官功能障碍,其每年影响着近3000万人的生命,耗费了大量医疗开支,增加了社会医疗负担。特别是在一些中低收入的国家和一些有基础疾病的患者身上,脓毒症的死亡率高达10%。面对这样一种危及生命的疾病,迫切需要有效的脓毒症治疗策略来降低其死亡率。脓毒症患者体内最典型的病理学状态是炎症过激以及后续出现的细胞因子风暴。当患者受到感染时,以免疫细胞为首的先天免疫系统会通过模式识别受体(PRRs)识别病原体相关分子模式(PAMPs),触发免疫细胞级联传导信号,激活免疫系统,产生包括损伤相关分子模式(DAMPs)在内的炎症介质和细胞因子风暴。体内过激的免疫状态会诱发如下状况:线粒体功能出现障碍,产生大量活性氧(ROS);中性粒细胞形成中性粒细胞胞外陷阱(NET),随后的NET凋亡(NETosis)过程释放出游离核酸(cfDNA)和组蛋白;内皮细胞功能受损,细胞氧代谢异常。感染源以及大量炎症介质的存在会使机体进入免疫紊乱状态,影响各器官的功能,造成多器官功能衰竭。如果能在感染的过程中及时清除感染源和消除炎症介质,即可缓解体内过激的炎症反应,抑制细胞因子风暴的产生,进而实现对脓毒症的治疗。在本文中我们设计了多功能抗炎材料,从清除多种炎症介质入手,实现对炎症的控制和对细胞因子风暴的缓解。首先,我们利用聚乳酸-羟基乙酸共聚物(PLGA)包载抗炎药姜黄素(Cur),制备了粒径约300 nm的PLGA@Cur纳米颗粒,验证了其在细胞水平的抗氧化和抗炎效果。其次,我们使用单宁酸(TA)、Mn2+、多粘菌素B(PMB)和聚乙烯吡咯烷酮(PVP)为组成成分,利用它们之间的非共价相互作用制备了 TMPP纳米颗粒。经验证,TMPP除具有抗菌性外,还可以清除脂多糖(LPS)、游离核酸(cfDNA)和活性氧(ROS)等多种炎症介质,有效缓解细胞水平的炎症。我们将TMPP用于小鼠体内炎症模型的治疗,急性肺损伤(ALI)模型的治疗结果显示,材料可有效缓解肺部炎症,显著降低肺部细胞因子水平。盲肠穿刺结扎(CLP)模型的治疗结果显示,治疗后小鼠存活时间延长、生存状态改善、体内炎症介质含量下降。上述结果显示TMPP在治疗小鼠全身脓毒症时表现出多功能性,既可以抑制小鼠全身细胞因子风暴的产生,又可以缓解小鼠体内的多器官损伤,成功实现了综合的脓毒症治疗。我们的工作有力地证实了靶向多种炎症介质调控细胞因子风暴的有效性。