1 绪论

1.1研究背景与意义

喉癌是头颈部常见的恶性肿瘤，全球范围内其发病率呈上升趋势。据统计，每年新增喉癌病例数以十万计，严重威胁人类的生命健康与生活质量。早期喉癌患者经过有效治疗，5 年生存率可超 80%，但晚期患者生存率急剧下降。因此，实现早期准确诊断是提升喉癌患者生存率、改善预后的关键。​

传统的喉癌诊断手段，如喉镜检查依赖医生经验，主观性强，不同医生诊断结果可能存在差异；组织活检虽为金标准，但属于有创操作，易引发感染、出血等并发症，且存在取样误差，可能导致漏诊。医学影像技术如 CT、MRI 等的发展，为喉癌诊断提供了新视角，但海量图像数据的准确解读对医生而言颇具挑战。在此背景下，基于医学图像的计算机辅助诊断系统应运而生，其能够快速、客观地处理分析图像，精准识别病灶，为医生提供可靠参考，弥补传统诊断方法的不足，对提高喉癌早期诊断率、降低漏诊误诊率意义重大。

1.2国内外研究现状

1.2.1 国外研究现状

国外在医学图像分析与计算机辅助诊断领域起步早，投入大量资源进行研究。美国、欧洲等国家和地区的科研团队利用先进的深度学习技术构建多种喉癌诊断模型。例如，哈佛大学的研究团队采用改进的卷积神经网络，对喉镜图像进行分析，在小样本数据集上实现了较高的病灶识别准确率，但模型泛化能力有待提升。欧洲的一些科研机构尝试结合多模态医学图像，如将 CT 与 PET 图像融合，通过深度学习算法进行联合分析，提高了对喉癌病灶的定位精度，但系统复杂度过高，临床应用成本大。此外，国外企业也积极参与相关产品研发，部分商业软件已在临床试用，但存在价格昂贵、适配性不足等问题。

1.2.2 国内研究现状

国内近年来在该领域发展迅速，众多高校和科研院所开展相关研究。一些团队针对国内患者数据特点，优化传统深度学习模型。如清华大学的研究人员基于 U-Net 架构，对大量国内喉癌患者的 CT 图像进行训练，改进模型的损失函数，提升了分割准确率。同时，国内企业也加大研发投入，部分企业开发的计算机辅助诊断系统已获得医疗器械注册证，在部分医院推广应用。不过，国内研究整体在模型鲁棒性、多中心数据验证等方面与国外仍存在一定差距，且临床应用普及程度有待进一步提高。

1.3系统的特点

基于 U-Net 的喉癌病灶区域识别与诊断系统具有多方面独特优势。其一，U-Net 的编码器 - 解码器结构使其能有效提取图像多尺度特征，通过跳跃连接融合不同层次信息，精准分割出喉癌病灶，相比传统分割算法，分割精度大幅提升。其二，系统具备良好的泛化能力，经大量多样化数据训练后，能适应不同成像设备、不同患者个体差异的医学图像。其三，系统操作简便，可视化界面友好，医生无需复杂培训即可上手，分割结果与诊断信息直观呈现，显著提高诊断效率。其四，该系统为无创诊断方式，避免了传统活检给患者带来的痛苦与风险，更易被患者接受。

1.4研究内容

本研究聚焦于设计并实现一套基于 U-Net 的高效喉癌病灶区域识别与诊断系统，涵盖多个关键环节。​

数据收集与预处理是首要任务。广泛收集来自不同医院、不同成像设备的喉癌患者医学图像，包括喉镜图像、CT 图像以及 MRI 图像等，构建大规模数据集。对收集到的图像进行去噪处理，采用高斯滤波、中值滤波等算法去除图像中的噪声干扰；通过归一化操作，统一图像灰度范围与尺寸大小，确保数据的一致性与可比性，为后续模型训练奠定良好基础。​

模型构建与优化至关重要。以 U-Net 为基础架构，结合喉癌病灶特征，对网络结构进行针对性调整。例如，增加卷积层深度以增强特征提取能力，优化跳跃连接方式提升特征融合效果。在训练过程中，选用交叉熵损失函数衡量模型预测结果与真实标签的差异，并采用随机梯度下降算法及其变种，如 Adagrad、Adadelta 等，动态调整模型权重，提高训练效率与模型收敛速度。同时，运用正则化技术，如 L1、L2 正则化，防止模型过拟合，提升模型泛化性能。​

系统实现阶段，选用 Python 作为开发语言，借助深度学习框架 PyTorch 搭建系统平台。设计数据加载模块，实现图像数据的高效读取与批量处理。将预处理后的图像数据输入训练好的 U-Net 模型进行病灶区域分割。对分割结果进行后处理，利用形态学操作，如腐蚀、膨胀等算法去除分割结果中的孤立噪声点，通过连通域分析标记并筛选出真正的病灶区域，进一步优化分割效果。​

最后，开发可视化界面。采用 PyQt 等 GUI 框架，将分割结果以直观的方式呈现给医生，同时提供病灶位置、大小、形状等量化诊断信息。此外，还集成病例管理、历史数据对比等功能，辅助医生全面、准确地做出诊断决策。

1.5论文结构

图1-1论文结构图

本文的结构如上图所示，相关技术介绍主要介绍了系统的开发工具和前后台框架、分布式架构理论等，系统设计包括流程设计与数据库设计等。

 

 

2 相关技术介绍

2.1 python介绍

Python 是一种高级、解释型、通用的编程语言，由 Guido van Rossum 于 20 世纪 80 年代末开发。其设计理念强调代码的可读性和简洁性，采用缩进来表示代码块，使得程序结构清晰明了，易于理解和维护。

在基于深度学习的喉癌病灶区域害识别分类系统项目中，Python 发挥着至关重要的作用。首先，Python 拥有丰富的开源库和工具，极大地简化了开发流程。例如，在数据处理阶段，Pandas 库用于数据的读取、清洗和预处理。通过 Pandas，可以方便地读取包含喉癌病灶区域害图像标注信息的 CSV 文件，对数据进行去重、填补缺失值等操作，确保数据的质量。NumPy 库则为数值计算提供了高效的多维数组对象和大量的数学函数，在图像数据的矩阵运算中发挥着关键作用，如对图像进行归一化处理时，利用 NumPy 可以快速地对图像像素值进行数学变换。

在深度学习模型的构建与训练方面，Python 的优势更加明显。TensorFlow 和 PyTorch 是目前最流行的两个深度学习框架，它们都提供了丰富的 API，支持用户快速搭建和训练各种深度学习模型。在本项目中，我们可以使用 TensorFlow 或者 PyTorch 来构建基于卷积神经网络的喉癌病灶区域害识别模型。以 TensorFlow 为例，通过 Keras 高级 API，可以轻松地定义模型的结构，如添加卷积层、池化层、全连接层等。同时，利用 TensorFlow 的自动求导功能，可以方便地计算模型的梯度，实现模型参数的优化。此外，Python 还支持多线程和多进程编程，在处理大规模的喉癌病灶区域害图像数据集时，可以利用多线程或多进程技术加速数据的加载和处理，提高训练效率。

2.2 U-Net 介绍

U-Net 是一种专门为医学图像分割任务设计的卷积神经网络架构，由德国图宾根大学的 Olaf Ronneberger 等人于 2015 年提出。其名称来源于网络结构形似大写字母 “U”，该架构在医学图像分析领域取得了突破性进展，成为众多医学图像分割任务的首选模型之一。​

从架构上看，U-Net 主要由编码器（encoder）和解码器（decoder）两部分组成。编码器部分与传统的卷积神经网络类似，通过一系列的卷积层和池化层，逐步降低图像分辨率，同时提取图像的高级语义特征。每经过一次池化操作，图像的尺寸会减半，而特征通道数则会相应增加，使得模型能够捕捉到图像中不同尺度的信息。例如，在初始阶段，输入图像经过 3×3 的卷积核进行卷积操作，再通过 2×2 的最大池化层，图像尺寸缩小为原来的四分之一，特征通道数翻倍。​

解码器部分则是编码器的逆过程。它通过一系列的上采样层和卷积层，逐步恢复图像的分辨率，将低分辨率的特征图映射回原始图像大小，从而实现对图像中目标区域的精确分割。上采样操作通常采用反卷积（transpose convolution）或最近邻插值（nearest neighbor interpolation）等方法，将特征图的尺寸放大。在放大过程中，解码器会与编码器对应层次的特征图进行跳跃连接（skip connection）。这种跳跃连接是 U-Net 的关键创新点之一，它将编码器中浅层的细节信息与解码器中深层的语义信息进行融合，使得模型在分割时既能利用到高级语义特征来确定目标类别，又能结合低级细节特征来准确勾勒目标的边界。​

在实际工作中，U-Net 首先将输入的医学图像（如 CT、MRI 图像或病理切片图像）输入到编码器中进行特征提取。编码器提取到的特征图经过一系列处理后，传递到解码器。解码器根据这些特征图进行上采样和特征融合，最终输出与输入图像大小相同的分割结果，每个像素点被标记为属于背景或目标病灶区域。​

在医学图像领域，U-Net 展现出诸多优势。其对小目标病灶具有出色的分割能力，能精准识别出细微的病变区域，这对于早期疾病诊断至关重要。同时，U-Net 在处理不同模态的医学图像时表现出良好的适应性，无论是灰度图像还是彩色图像，都能取得较好的分割效果。此外，相较于一些复杂的深度学习模型，U-Net 的结构相对简单，训练参数较少，训练速度较快，在有限的计算资源下也能高效运行，为其在临床实践中的广泛应用提供了有力支持。

2.3 注意力机制

注意力机制（Attention Mechanism）源于人类视觉系统的注意力分配策略。在人类观察场景时，并不会同等地关注所有区域，而是会将注意力集中在感兴趣的部分，忽略其他无关信息。注意力机制在深度学习中模拟了这一过程，使模型能够自动学习到输入数据中不同部分的重要性，并根据重要性分配不同的权重，从而更有效地提取关键信息。

在基于深度学习的喉癌病灶区域害识别分类系统中，引入注意力机制可以进一步提升模型的性能。喉癌病灶区域害图像中，病害区域往往只占图像的一部分，而其他部分可能包含无关的背景信息。传统的卷积神经网络在处理图像时，对图像的每个区域都同等对待，容易受到背景噪声的干扰。而注意力机制可以让模型聚焦于病害区域，增强对病害特征的提取能力。

常见的注意力机制有通道注意力（Channel Attention）和空间注意力（Spatial Attention）。通道注意力机制通过对特征图的通道维度进行加权，使模型能够关注到不同通道特征的重要性。在喉癌病灶区域害识别中，不同通道可能包含不同类型的信息，如颜色、纹理等，通道注意力机制可以帮助模型突出与病害相关的通道特征。空间注意力机制则是对特征图的空间维度进行加权，使模型能够关注到图像中不同位置的重要性。在喉癌病灶区域害图像中，病害可能出现在的不同位置，空间注意力机制可以让模型聚焦于病害发生的区域，忽略无关的背景部分。

我们可以将注意力机制融入到 U-Net 模型中，构建具有注意力机制的残差块。在模型训练过程中，注意力机制模块会自动学习到每个位置和通道的注意力权重，这些权重会与特征图相乘，从而突出重要特征，抑制不重要的特征。通过实验对比发现，引入注意力机制后的模型在喉癌病灶区域害识别任务中，无论是准确率还是召回率都有明显提升，能够更准确地识别出病害类型和发病程度，为喉癌病害的防治提供更可靠的依据。

2.4 模型整合

将U-Net与混合注意力机制结合，我们在U-Net的最后一层卷积输出和全局平均池化之间插入MixedAttention模块。这样，模型能够在全局特征提取的同时，自动关注重要的空间和通道特征。

class U-NetWithAttention(nn.Module):

    def __init__(self, num_classes=7):

        super(U-NetWithAttention, self).__init__()

        self.U-Net = models.U-Net(pretrained=True)

        self.U-Net.fc = nn.Linear(self.U-Net.fc.in_features, num_classes)

        self.attention = MixedAttention(in_channels=2048)  # U-Net 最后一层的通道数是 2048

    def forward(self, x):

        x = self.U-Net.conv1(x)

        x = self.U-Net.bn1(x)

        x = self.U-Net.relu(x)

        x = self.U-Net.maxpool(x)

        x = self.U-Net.layer1(x)

        x = self.U-Net.layer2(x)

        x = self.U-Net.layer3(x)

        x = self.U-Net.layer4(x)

        x = self.attention(x)  # 在此处嵌入混合注意力机制

        x = self.U-Net.avgpool(x)

        x = torch.flatten(x, 1)

        x = self.U-Net.fc(x)

        return x

3 需求分析

本章主要首先对系统开发的可行性进行分析，然后再对整体的系统开发流程和用户注册登录流程以及功能流程进行分析。

3.1可行性分析

3.1.1 技术可行性​

在深度学习技术蓬勃发展的当下，构建基于 U-Net 的喉癌病灶区域识别与诊断系统具备坚实的技术基础。U-Net 作为成熟的卷积神经网络架构，在医学图像分割领域成果斐然，其编码器 - 解码器结构以及跳跃连接设计，为准确分割喉癌病灶提供了有效途径。大量开源的深度学习框架，如 TensorFlow、PyTorch 等，提供了便捷的开发工具，降低了模型搭建与训练的难度。同时，计算机硬件性能不断提升，高性能的 GPU 加速计算，能够满足大规模医学图像数据处理与模型训练的需求。医学影像技术的进步，使得获取高质量、高分辨率的喉癌患者图像成为可能，丰富的数据资源为模型训练提供了充足的样本。​

3.1.2 经济可行性​

从研发成本来看，开发该系统所需的软件工具多为开源免费，主要成本集中在数据收集、标注以及硬件设备购置上。数据收集可通过与医院合作，以较低成本获取患者影像数据；数据标注虽需一定人力投入，但可通过众包等方式降低费用。硬件方面，随着技术发展，GPU 价格逐渐亲民，普通实验室或小型企业也能负担。在应用推广阶段，该系统作为无创、高效的辅助诊断工具，可有效减少传统诊断中的有创检查、重复检查等费用，从长远看，能为医疗系统节省成本。同时，医院引入该系统后，有望提高诊断效率，增加患者流量，带来经济效益，具有良好的成本效益比。​

3.1.3 社会接受度​

喉癌作为严重威胁人类健康的疾病，早期准确诊断的需求迫切。该系统能够为医生提供客观、精准的诊断辅助信息，减少主观判断误差，提高诊断准确性，有助于提升医疗服务质量，易获得医疗从业者的认可。对于患者而言，无创的诊断方式避免了活检等有创操作带来的痛苦与风险，且能快速得到诊断结果，节省就医时间与精力，提高就医体验，因此也易被患者接受。此外，随着公众对人工智能技术在医疗领域应用的认知度不断提高，对该系统的接受度也将逐步提升。​

3.1.4 法律与伦理可行性​

在法律层面，该系统的开发与应用遵循相关医疗数据保护法规，确保患者数据的隐私与安全。数据使用经过患者授权，且在数据传输、存储过程中采用加密等技术手段。从伦理角度看，系统旨在辅助医生诊断，而非替代医生决策，最终诊断结果仍由医生综合判断，避免了伦理争议。同时，系统的研发与应用以提高医疗服务水平、造福患者为出发点，符合医学伦理原则。

3.2 非功能性需求分析

3.2.1 性能需求​

系统需具备高效的处理能力，能够在短时间内完成医学图像的分析与病灶识别。对于常见的医学图像格式与尺寸，应保证从图像输入到输出诊断结果的时间控制在数秒内，以满足临床实时诊断需求。同时，模型的分割准确率、召回率、Dice 系数等关键性能指标需达到较高水平，如分割准确率不低于 90%，确保准确识别病灶区域。​

3.2.2 可靠性需求​

系统应具备高度可靠性，在长时间运行过程中稳定工作，避免出现故障或错误诊断。通过大量数据测试与验证，优化模型性能，降低模型的误判率。同时，采用数据备份、系统冗余等技术手段，确保在硬件故障或网络异常等情况下，系统仍能正常运行，保障诊断工作的连续性。​

3.2.3 易用性需求​

系统界面设计应简洁直观，医生无需复杂培训即可上手操作。图像上传、结果查看等功能操作流程简单明了，诊断结果以通俗易懂的方式呈现，同时提供必要的解释与说明，方便医生理解与参考。​

3.2.4 可维护性需求​

系统架构设计应具有良好的可维护性，便于后续对模型进行更新、优化以及修复潜在问题。代码编写遵循规范，具备详细注释，模块划分清晰，降低维护难度。同时，建立完善的日志记录系统，便于跟踪系统运行状态，及时发现与解决问题。​

3.2.5 可扩展性需求​

考虑到医学影像技术的发展以及临床需求的变化，系统应具备良好的可扩展性。能够方便地集成新的医学图像模态数据，如未来可能出现的新型成像技术图像；同时，可根据新的医学知识与研究成果，对模型进行扩展与升级，以适应不断变化的诊断需求。

3.3主要研究方法

3.3.1 图像增强方法

图像增强方法是在进行图像识别、目标检测等任务之前进行的一系列改善和丰富 图像特征的方法。由于喉癌病灶区域图像的采集工作费时费力，获取大量的数据需要 许多人工成本，因此实验过程中会对喉癌病灶区域图像进行增强。通常图像增强方法 分为传统方法和特殊方法。传统增强方法主要是基于特定的数学算法和操作，直接对 图像像素进行变换或处理；特殊增强方法是基于数据驱动的方法，通过学习和利用大 量图像数据的统计特征和结构信息，对图像进行增强。图像增强可以扩充原始数据集， 使感兴趣部位出现在图像中的不同位置，从而减少模型对其位置的依赖性，防止因训 练集数据较少而产生过拟合，提高模型识别和检测的准确率。

（1）几何变换

常见的图像几何变换包括图像旋转、翻转、裁切、平移等，这些方式都有可能改 变图像中像素点的位置。其中图像旋转是图像围绕中心点进行旋转，旋转过后图像自 身的大小不会发生改变，但可能会由于旋转角度不同而产生黑色区域；翻转会将水平 或垂直方向上的像素坐标发生变化，用于对称性分析或纠正图像的方向；裁切可用于 对局部进行放大，突出显示感兴趣区域的特征；平移是将图像在平面上沿着水平和垂 直方向进行移动，用于调整图像的组合或校正图像偏移。这些几何变换可以根据需求 进行选择和组合应用，以使图像更适合进行后续分析、识别和处理。

几何变换中特别的是，在对目标检测数据集进行几何变换时，图像上标注的目标 框也需要进行相应的运算，同时在增强结束时需要对标注信息进行更新保存。

（2）亮度变换

亮度变换是基于图像 RGB 值的调整。为了模拟不同光照强度下拍摄的图像，因 此进行亮度变换扩充数据。本文进行亮度变化调整，如公式所示，其中Y 表示 亮度值，R、G、B代表图像的RGB 通道值，、、 代表亮度系数值，将图像 RGB 的三通道颜色空间转化为 YUV 颜色空间。在 YUV 颜色空间中，Y 表示亮度通道， U 和 V 表示色度通道，然后对 Y 通道进行亮度变换，再将 YUV 颜色空间转回 RGB 颜色空间，得到亮度变换后的图像。

Y = R+ G+B              

（3）高斯模糊

高斯模糊，也叫高斯平滑，用于减少图像中的噪声和细节。通过对每个像素周围的像素进行加权平均来实现模糊处理。每个像素的值由周围像素的值与一个权重因子 相乘后累加得到。高斯模糊的权重因子是根据高斯函数计算的， 高斯函数是一个钟形 曲线，具有中心对称性。该函数在中心处有最大值， 并且随着距离中心的增加而逐渐 减小。权重因子的大小取决于像素的距离和指定的标准差。通过调整高斯模糊的标准 差，可以控制模糊效果的程度。较小的标准差会导致较轻程度的模糊，保留更多的细 节；而较大的标准差会导致较重程度的模糊，减少图像的细节。高斯模糊可以用于生 成模糊图像，从而提升模型的模糊适应能力。

3.3.2 特殊图像增强方法

（1）FANCY PCA

FANCY PCA  是一种用于图像增强的技术 ，通过对图像像素的主成分分析 （Principal Component Analysis，PCA）进行降维和重新组合，进而改变图像的颜色和 纹理。对于一张具有 RGB 三通道的彩色图像，在进行尺寸调整后，经过 FANCY PCA  即可计算出协方差矩阵，进而得出特征向量与特征值，如公式所示。其中 [p1, p2, p3 ] 为一组特征向量，[1,2,3 ] 为特征向量对应的特征值，在同一张图像中， 三个通道得到的 值是相同的。对图像进行主成分分析，将这个向量与原图像中的每 个像素相加，使用降维后的主成分即可构建新的图像。

[p1, p2, p3 ][11 ,22 ,33 ]T                    

（2）监督式扣取

监督式扣取是一种用图像分割作为图像增强的方法，用于将感兴趣的物体从图像 中准确地提取出来。首先进行图像信息的标注，然后从图像中提取特征，训练分类器 或分类模型，使用训练好的分类器或模型对未标记的图像进行预测，最后根据需要进 行后处理从而优化扣取结果。其中包含了感兴趣物体和背景的信息，以便训练一个分 类器或模型来识别和分割目标物体，将具有语义信息的目标分割出来，达到图像扩充 的目的。监督式扣取具有较高的准确性，可以准确地提取感兴趣物体，并且可以适应 不同复杂度的图像场景。然而， 由于其需要大量标记好的训练数据，并且提取特征的 过程较为复杂，因此实施难度较高。

（3）生成对抗网络图像增强

生成对抗网络（GANs）是一种由深度学习算法构建的人工神经网络，GAN 由两 个神经网络组成：一个生成器（Generator）和一个判别器（Discriminator）。二者 通过博弈的方式使生成器逐渐生成逼真的图像。在基于 GAN 的图像增强方法中，生 成器的任务是根据输入的随机噪声生成与真实图像相似的虚拟图像，而判别器的目标 是准确地区分真实图像和生成器产生的虚拟图像。二者相互对抗，通过反复迭代训练， 生成器可以逐步提高生成图像的质量，使其更接近于真实图像，解决实验数据量不足

3.3.3 卷积神经网络

卷积层作为卷积网络的核心层，主要用于提取图像特征。每个卷积层上都有卷积 核，卷积核由矩阵构成，其大小为NXN,   卷积核的大小决定了提取图像特征信息的 多少，通常为3×3或5×5。浅层卷积层主要用于提取图像的基础特征，例如线条、 边缘和简单纹理等；而深层卷积层则能够捕获图像更加复杂和抽象的特征，帮助网络 更好地理解图像的结构和内容[44]。当输入大小为W的特征图，卷积步长为S(Stride),

卷积核大小为K(Kernal),       填充值大小为P 时，则输出特征图N 的大小计算方式如 公式所示：

N=(W-K+2P)/S+1

图中输入特征图大小为5×5,卷积核大小为3×3,设定卷积步 长为1。根据计算公式可得输出特征图大小为3×3,同时对特征图和卷积核对应值相 乘累加便得到输出特征图的相应值。

池化层通常也被称为下采样层，是在卷积层之后处理特征图的重要网络层。特征 图经过卷积操作之后会输出维度较高的特征图，此时若直接送入全连接层对其处理， 将会有很大的数据量，而池化层就是使用某种类似于卷积核的方式进行滑块移动，将 数据维度进行压缩，从而以较少的数据来表示特征图，从而避免过拟合而导致模型的 泛化能力降低。池化操作主要由两种类型：最大池化 (Max Pooling)和平均池化     (Average Pooling)。最大池化是将特征图分为若干个不重叠的矩形区域，然后对每比较，取出最大的值作为该区域的输出，而平均池化则是取出 每个矩形区域内的平均值作为输出。

3.3.4 图 像 识 别 及 目 标 检 测 网 络

AlexNetl⁴9由 Alex   Krizhevsky等人于2012年提出，在ImageNet 图像识别挑战赛 中取得显著突破，其结构如图2.6所示。AlexNet 使用了5个卷积层，在每个卷积层 和全连接层之后，AlexNet 引入了批归一化层，用于加速训练过程和提高模型的鲁棒 性。使用最大值池化进行下采样，以减小特征图的空间尺寸，增强模型的平移不变性。 AlexNet 还使用了 ReLU 函 数 Dropout 层缓解过拟合问题。 AlexNet  的突破在于引入 了较深的网络结构，大大提升了图像识别准确率。它的成功为后来更加深层的神经网络模型的发展奠定了基础。

U-Net 是一种用于目标检测的神经网络架构，由斯坦福大学研究院提出，是 一种one-stage 检测算法53。U-Net的设计目标是解决目标检测中的两个挑战：目 标的尺度变化和正负样本不平衡。由此引入了两个关键组件：特征金字塔网络FPN 和 焦点损失函数 (Focal     Loss),能够捕捉不同尺度上的信息，同时引入一个衰减因子降 低易分类样本的权重，实现正负样本平衡。

U-Net  的网络架构由主干网络和两个子网络构成，一个用于目标分类，另一 个用于边界框回归。主干网络通常使用 U-Net 或其他卷积神经网络作为特征提取网 络，而分类子网络和回归子网络则在不同的特征金字塔层级上进行操作。网络结构如 图所示。

3.4本章小结

本章首先对系统开发的可行性进行了分析，然后对系统的非功能性需求进行了分析，并对系统开发的整体流程以及主要流程操作进行了介绍。

 

4 系统设计

系统设计是系统开发之前需要做的总体设计，这里主要从系统的架构设计，后台的包括架构设计以及前台页面结构设计，模块设计等进行阐述.

4.1 构建数据集

构建高质量的数据集是实现基于 U-Net 的喉癌病灶区域识别与诊断系统准确、可靠运行的基础。本研究的数据来源主要涵盖三家大型综合性医院的耳鼻喉科。通过与医院签订数据合作协议，合法合规地获取喉癌患者的医学影像数据。​

4.1.1 数据类型​

收集的数据类型包括喉镜图像、CT 图像以及 MRI 图像。多种数据类型相互补充，为全面、准确地识别喉癌病灶提供丰富信息。如下表展示了不同数据类型及其对病灶识别的作用：​

​

数据类型​	对病灶识别的作用​
喉镜图像​	直观呈现喉部病变的表面形态，为病灶初步定位提供线索​
CT 图像​	具有较高密度分辨率，可清晰显示喉部组织解剖结构及肿瘤侵犯范围​
MRI 图像​	在软组织分辨方面表现出色，有助于区分肿瘤与周围正常组织​

​

4.1.2 数据收集​

在数据收集过程中，严格遵循医学伦理规范，确保患者隐私得到充分保护。所有患者均签署知情同意书，同意其医疗数据用于本研究项目。收集的数据涵盖不同性别、年龄、病情阶段的喉癌患者，以增强数据集的多样性与代表性。对于每一位患者，收集其完整的病历资料，包括诊断结果、病理报告等，以便为图像数据提供准确的标注信息。经过为期 12 个月的收集工作，共获取如下数量的图像数据：​

​

数据类型​	数量​
喉镜图像​	1500 张​
CT 图像​	800 组（每组包含 20 - 50 幅连续断层图像，平均每组 35 幅）​
MRI 图像​	600 组（每组包含 15 - 40 幅连续断层图像，平均每组 25 幅）​

​

4.2 预处理​

原始医学图像往往存在噪声、对比度不一致、尺寸不统一等问题，直接用于模型训练会影响模型的性能与准确性。因此，需要对收集到的图像数据进行预处理。​

4.2.1 喉镜图像预处理​

采用特定算法与参数对喉镜图像进行去噪、对比度增强及尺寸归一化处理，具体操作及参数如下表：​

​

预处理操作​	具体步骤​	参数设置​
去噪​	采用高斯滤波​	高斯核大小 3×3，标准差 1.5​
对比度增强​	直方图均衡化​	无​
尺寸归一化​	双线性插值缩放​	目标尺寸 512×512 像素​

​

4.2.2 CT 图像预处理​

针对 CT 图像的特性，进行去金属伪影、灰度归一化、切片厚度统一及尺寸归一化等操作，相关信息如下表：​

​

预处理操作​	具体步骤​	参数设置​
去金属伪影​	基于卷积神经网络算法​	无​
灰度归一化​	线性变换​	目标范围 [0, 1]​
切片厚度统一​	线性插值​	目标厚度 1mm​
尺寸归一化​	双线性插值缩放​	目标尺寸 512×512 像素​

​

4.2.3 MRI 图像预处理​

MRI 图像的预处理通过特定算法改善图像质量，参数设置如下表：​

​

预处理操作​	具体步骤​	参数设置​
去噪​	非局部均值去噪​	搜索窗口 15×15，邻域窗口 5×5​
强度校正​	参考标准模板​	无​
尺寸归一化​	双线性插值缩放​	目标尺寸 512×512 像素​

​

经过上述全面、细致的预处理过程，原始医学图像数据得到优化，为后续基于 U-Net 的模型训练提供了高质量的数据集，有助于提升喉癌病灶区域识别与诊断系统的性能。

4.3 构建 U-Net 喉癌病灶区域分类模型

随着计算机运算能力的逐年提升，深度学习领域的网络结构也日趋庞大和复杂。 在这一背景下，U-Net 作为一种相对轻量级的深度 CNN 模型，以其较低的计算和 存储成本，在图像分类任务中展现出良好的性能和出色的泛化能。相较于更深层 次的 U-Net模型，U-Net 在保持高效性能的同时，降低计算和存储的复杂度。因 此，基于其优秀的特征和适应性，选择 U-Net 作为喉癌病灶区域分类研究的基 础网络模型。

基础模型 U-Net 的结构如图 3-3 所示。输入到网络的是一张尺寸为 224×224  的三通道 RGB 图像。图像首先通过一个 7×7 的卷积层进行处理，随后经过一个 3×3 的最大池化层。之后，图像数据将流经 16 个精心设计的瓶颈构建块。这些构建块在 面对尺寸增加时，会采用 1×1 的卷积来调整特征图的维度，不仅丰富模型的抽象能力， 还有效地降低计算的时间复杂度。

在网络的末端，经过一个池化层和全连接层的处理，最终输出图像的分类结果。 此外，这个特征图还会被送入 Softmax 分类器，用于计算各类别的预测概率以及预测 损失。值得一提的是，U-Net 通过独特的跨层连接设计，将输入信息以分支的形 式直接传递到输出端，从而确保信息的完整性。这种连接方式使得网络能够专注于学 习输入与输出之间的差异部分，大大简化训练学习的目标，并有效地降低学习的复杂度。

图4-3 U-Net 网络架构

4.4 嵌入 CBAM 注意力机制

注意力机制 (Attention Mechanism)是深度学习中一种至关重要的技术，其核心 理念在于模仿人类在信息处理过程中的注意力分配策略。通过这种机制，模型能够有 选择性地加强对输入数据中不同部分的关注，进而提升模型的效能。特别是在处理序

列数据时，注意力机制允许模型在处理每个输入单元时，灵活地聚焦于序列中不同位 置的信息，而非对所有信息一视同仁。这种特性极大地增强模型捕捉序列中长距离依 赖关系的能力，从而显著提高模型的性能和泛化能力。

(1)通道注意力 (Channel   Attention   Mechanism)

在 CNN  中，每个通道的特征图都是由特定的特征提取器计算生成的。通道注意 力机制的核心在于关注这些特征，尤其是针对喉癌图像的特征。为实现这一目 标，需要对空间特征进行汇总。图3-5展示通道注意力模块的结构。该模块接收一个 形状为C×H×W 的特征作为输入，首先通过分别进行全局最大池化和全局平均池化操 作，获得两个形状为C×1×1的通道描述。这两个通道描述随后被送入一个共享的两 层神经网络进行处理。经过网络运算后得到的新特征图相加，并经过 Sigmoid 激活函 数的作用，生成通道权重系数。最后，这个通道权重系数与模块的原始输入特征进行 相乘操作，从而得到缩放后的新特征，这个新特征将作为空间注意力模块的输入，用 于进一步处理喉癌图像。

图 4-5 通道注意力模块结构图

与通道注意力模块侧重于特定的特征(或特征提取器)不同，空间注意力模块则 将焦点放在输入的喉癌图像中具有显著特征信息的区域(如病害)。图3-6清  晰地描绘空间注意力模块的结构。该模块的输入源自通道注意力模块的输出特征。这  些特征首先经过通道维度的最大池化和平均池化处理，生成两个1×H×W 的空间描述。 这两个描述随后在通道上拼接，接着通过7×7的卷积层和 Sigmoid 激活函数，得到空  间权重系数。当这些空间权重系数与模块的输入特征进行相乘时，便产生具有更丰富局部细节的喉癌图像新特征。

5系统实现

5.1 登录

登录功能为系统安全及用户个性化服务的入口。用户在登录页面输入注册的账号与密码，系统通过加密传输将信息发送至服务器进行验证。验证通过后，用户方可进入系统，享受病害识别等服务。同时，系统支持多种登录方式，如手机号、邮箱登录，满足不同用户习惯。对于首次登录用户，系统提供引导界面，介绍系统主要功能，帮助用户快速熟悉操作流程。此外，系统还设有忘记密码功能，用户可通过手机验证码或邮箱找回密码，保障用户登录的便捷性与安全性，如图5-1所示。

图 5-1 登录功能

5.2 图像识别

在完成数据集构建与预处理后，图像识别成为系统的核心环节，基于 U-Net 模型展开。将预处理后的喉镜、CT 及 MRI 图像输入训练好的 U-Net 网络。U-Net 的编码器首先对图像进行特征提取，通过一系列卷积与池化操作，逐步降低图像分辨率，捕捉不同尺度的特征信息。例如，初始卷积层利用 3×3 卷积核，提取图像基础特征，随后的池化层使图像尺寸减半，特征通道数增加，丰富特征表达。​

接着，解码器对编码器输出的特征图进行上采样与反卷积操作，恢复图像分辨率。在此过程中，跳跃连接发挥关键作用，将编码器对应层次的浅层细节特征与解码器深层语义特征融合。比如，解码器某层上采样后，与编码器同尺度的特征图按元素相加，增强对病灶边界的识别能力。最终，模型输出与输入图像尺寸相同的分割结果，每个像素被标注为背景或喉癌病灶区域。通过大量训练数据的不断优化，U-Net 模型能够精准识别出喉癌病灶，为后续诊断提供关键依据，

5.3一键诊断                

为提升诊断效率，系统精心设计了一键诊断功能。当医生将患者的医学图像导入系统后，仅需点击 “一键诊断” 按钮，系统便迅速响应。首先，图像会自动进入经过严格训练的 U-Net 模型进行病灶区域识别，该模型凭借强大的特征提取与分割能力，精准定位喉癌病灶。同时，系统关联患者的病历信息，如年龄、性别、过往病史等数据。利用这些综合信息，系统内预先构建的诊断算法依据医学知识与临床经验规则，对识别出的病灶进行分析评估。在极短时间内，系统就能生成详细的诊断报告，报告涵盖病灶位置、大小、形态描述，以及基于多种信息综合判断的疑似病症程度分析

5.4 患者管理

患者管理功能在整个喉癌诊断系统中起着关键的统筹作用。系统支持医生便捷地录入患者信息，涵盖基本个人资料、联系方式、完整的病史记录，以及历次的医学影像检查数据和诊断报告。录入信息后，系统运用安全可靠的数据库技术，对这些数据进行加密存储，保障患者隐私安全。在日常诊疗中，医生能通过患者姓名、病历号等关键信息，快速查询患者档案，随时调取过往诊断资料，全面了解患者病情发展轨迹。例如，当患者复诊时，医生可迅速获取其上次检查的图像及诊断结果，与当前情况对比分析。系统具备病情跟踪提醒功能。针对正在接受治疗的患者，依据既定治疗方案设置随访时间节点，自动提醒医生对患者进行复查安排。同时，可对患者病情变化进行标记，方便医生及时调整治疗策略，为喉癌患者提供持续、高效且个性化的医疗服务，全方位提升患者管理水平

 

6 系统测试

6.1 系统测试目的

本系统测试旨在全面、深入地评估基于 U-Net 的喉癌病灶区域识别与诊断系统的性能与质量。首要目的是验证系统各项功能是否符合设计预期，如精准的图像识别、高效的一键诊断以及便捷的患者管理功能等，确保系统能够为医生提供可靠的诊断辅助支持。通过测试，评估系统在不同硬件与软件环境下的兼容性，保障系统在多样化的临床使用场景中稳定运行。同时，测试系统的性能指标，包括响应时间、准确率、召回率等，判断其是否满足临床实际需求。此外，测试还能发现系统潜在的漏洞与缺陷，以便及时修复与优化，提升系统的稳定性、可靠性与安全性，为系统投入临床应用奠定坚实基础。

6.2 系统兼容性测试

系统兼容性测试围绕硬件与软件环境展开。在硬件方面，测试不同型号的计算机，涵盖台式机与笔记本电脑，涉及不同品牌、处理器性能、内存容量及显卡配置。例如，测试搭载 Intel Core i5 处理器、8GB 内存与 NVIDIA GeForce GTX 1050 显卡的台式机，以及配备 AMD Ryzen 7 处理器、16GB 内存与集成显卡的笔记本电脑，确保系统在不同硬件配置下均能流畅运行，图像加载、处理与诊断过程无卡顿或延迟现象。针对医疗专用设备，如不同厂商生产的医学影像采集设备，测试系统能否顺利接收并解析其输出的图像数据，保证数据传输与格式转换的准确性。​

在软件环境兼容性测试中，涵盖主流操作系统，包括 Windows 10、Windows 11、Linux Ubuntu 等。检验系统在不同操作系统下的界面显示是否正常，功能操作是否流畅，有无因系统差异导致的功能异常。同时，对常用的浏览器，如 Chrome、Firefox、Edge 等进行测试，确保基于网页端的系统访问与操作稳定。此外，针对系统运行依赖的第三方软件库与工具，如深度学习框架 PyTorch 及其相关版本，测试系统在不同版本组合下的兼容性，避免因软件版本冲突引发的系统故障。

6.3 功能性测试

功能性测试重点聚焦系统核心功能。对于图像识别功能，使用包含大量喉癌及正常喉部图像的测试数据集，验证 U-Net 模型对病灶区域的分割准确性。通过计算分割结果与真实标注之间的 Dice 系数、交并比（IoU）等指标，评估模型性能。预期 Dice 系数达到 0.85 以上，IoU 不低于 0.75，确保模型能够精准识别病灶边界与范围。​

在一键诊断功能测试中，模拟临床实际操作，输入不同类型、不同病情阶段的患者图像及相关病历信息，检验系统能否在规定时间内（如 30 秒内）生成准确、详细的诊断报告。报告内容应涵盖病灶位置、大小、形态描述以及疑似病症程度分析，与专业医生诊断结果对比，准确率需达到 90% 以上。​

患者管理功能测试涵盖信息录入、查询与跟踪提醒等环节。测试信息录入的便捷性与准确性，确保医生能够快速、无误地输入患者各项信息。通过大量数据查询操作，验证系统查询响应速度，要求在输入查询条件后 1 秒内返回结果。针对病情跟踪提醒功能，依据预设治疗方案设置随访时间节点，检查系统能否按时、准确地向医生发送提醒通知，提醒准确率需达到 100%，切实为患者管理提供有效支持。通过全面的功能性测试，保障系统各项功能满足临床使用要求，提升医疗服务质量。

6.4 本章小结

本章主要介绍了先对系统进行了兼容性的测试，然后在针对系统的主要功能进行了用例测试，测试结果表明，系统符合既定的功能需求目标。