89、早期食管癌检测与光流估计方法研究

早期食管癌检测与光流估计方法研究

早期食管癌检测方法

在医疗图像分析领域，早期食管癌的检测至关重要。目前已有多种方法被提出，但各有优劣。

现有方法的局限性

一些方法如基于混合卷积神经网络和支持向量机（SVM）的系统，主要用于上皮乳头毛细血管袢识别以辅助临床诊断，但不涉及早期癌症检测。深度学习（DL）技术虽然能自动从训练数据中提取特征，但随着层数增加，学习所需参数剧增，层数需反复试验确定，且需要高质量的训练数据，收集这些数据耗时费力。

新方法的提出

本文提出一种基于少量层构建的神经网络（NN）从内窥镜图像中检测早期食管癌的新方法。为了用少量层对早期食管癌进行分类，需要设计训练图像的特征提取方法，且该方法设计为非线性的。
- Dyadic Wavelet Transform (DYWT)
- 设原始图像为 $C_0[m, n]$，是定义在有限二维晶格上的归一化离散图像的样本。基于“algorithme à trous”的二进小波变换（DYWT）公式如下：
[
\begin{align }
C_{j + 1}[m, n] &= \sum_{k}\sum_{l}h[k]h[l]C_{j}^{k,l}[m, n]\
D_{j + 1}[m, n] &= \sum_{k}\sum_{l}g[k]h[l]C_{j}^{k,l}[m, n]\
E_{j + 1}[m, n] &= \sum_{k}\sum_{l}h[k]g[l]C_{j}^{k,l}[m, n]\
F_{j + 1}[m, n] &