肺癌是全球癌癥死亡的主要原因,嚴(yán)重危害著人類的健康。肺結(jié)節(jié)是肺癌的早期表現(xiàn)形式,肺結(jié)節(jié)的早期發(fā)現(xiàn)對于提高患者生存率發(fā)揮著至關(guān)重要的作用。計算機斷層掃描技術(shù)（Computed Tomography,CT）掃描速度快、圖像清晰度高、能夠捕捉到微小病變區(qū)域,應(yīng)用CT進行肺癌診斷是一種有效的方法。為了提高肺癌診斷的準(zhǔn)確率,計算機輔助診斷（Computer Aided Diagnosis,CAD）技術(shù)應(yīng)運而生。但是肺結(jié)節(jié)大小不一,形狀各異,且其周圍包含很多相似的組織器官,導(dǎo)致現(xiàn)有的檢測算法易出現(xiàn)漏檢誤檢的問題。目前深度網(wǎng)絡(luò)在肺結(jié)節(jié)診斷領(lǐng)域取得了優(yōu)異的成績,針對以上問題,本文利用深度神經(jīng)網(wǎng)絡(luò)針對CT影像進行肺結(jié)節(jié)檢測與診斷的算法研究和系統(tǒng)原型設(shè)計,具體的工作如下:（1）針對現(xiàn)有技術(shù)對肺結(jié)節(jié)的漏檢錯檢率高的問題,對Faster R-CNN進行改進并提出一種新的算法ADR-CNN,通過將Faster R-CNN的特征提取網(wǎng)絡(luò)替換為Inception-ResNet-V2網(wǎng)絡(luò),可以提取更有利于肺結(jié)節(jié)檢測的特征。針對肺結(jié)節(jié)尺寸較小的問題修改了區(qū)域候選網(wǎng)絡(luò)（Region Proposal Network,RP... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

人體肺部CT影像示例圖

圖 6 切割后的肺實質(zhì)圖像tional Neural Networks, CNN)在練數(shù)據(jù)做支撐，這是因為 CN止模型過擬合(Overfitting)。而據(jù)的缺乏，CNN 的訓(xùn)練數(shù)據(jù)工標(biāo)記，所以很難達到像 Im，我們對原始肺部 CT 影像做提到，他們使用的數(shù)據(jù)增廣方數(shù)據(jù)量[37]。而常規(guī)的數(shù)據(jù)增廣、隨機裁剪、平移拉伸以及旋 CT 切片，然后對每一張切片切片進行 16 倍的擴充。我們

第二章 基于改進深度神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測節(jié)被檢測為真結(jié)節(jié)。Faster R-CNN 網(wǎng)絡(luò)在肺結(jié)節(jié)檢測領(lǐng)域的效果并沒有達到人們期，因此我們對 Faster R-CNN 網(wǎng)絡(luò)進行改進，將該網(wǎng)絡(luò)框架簡稱為 ADR-CNN ADR-CNN 進行肺結(jié)節(jié)檢測的過程如圖 10 所示。具體的改進如下：(1) Faster R-CNN 網(wǎng)絡(luò)進行肺結(jié)節(jié)檢測的效果不佳，我們分析其原因是 Fa-CNN 的特征提取網(wǎng)絡(luò)(VGG16)層數(shù)有限，特征學(xué)習(xí)能力不足。對于體積較小的，不能提取到足夠的特征進行肺結(jié)節(jié)檢測。本文借鑒加深網(wǎng)絡(luò)層數(shù)的思想提出使深的CNN(Inception-ResNet-V2)[44]來替換Faster R-CNN原始的VGG 16作為特征網(wǎng)絡(luò)。

【參考文獻】：
期刊論文
[1]圖像分割方法綜述研究[J]. 周莉莉,姜楓.  計算機應(yīng)用研究. 2017(07)
[2]肺癌主要危險因素的研究進展[J]. 李媛秋,么鴻雁.  中國腫瘤. 2016(10)
[3]基于語義屬性的肺結(jié)節(jié)良惡性分類[J]. 鞏萍,程玉虎,王雪松.  電子學(xué)報. 2015(12)
[4]肺部結(jié)節(jié)的診斷與處理[J]. 李春,楊達偉.  上海醫(yī)藥. 2015(15)
[5]肺部小結(jié)節(jié)的診斷和治療近況[J]. 宋勇,姚艷雯.  中華肺部疾病雜志(電子版). 2012(04)
[6]90%的肺癌由吸煙引起[J]. 崔東明.  健康管理. 2010(05)
[7]圖像特征提取研究[J]. 翟俊海,趙文秀,王熙照.  河北大學(xué)學(xué)報(自然科學(xué)版). 2009(01)
[8]計算機輔助診斷在肺結(jié)節(jié)中的應(yīng)用進展[J]. 王曉華,馬大慶.  中華放射學(xué)雜志. 2006(04)
[9]電子計算機輔助診斷（CAD）的原理及臨床應(yīng)用[J]. 舒榮寶,王成林.  中國CT和MRI雜志. 2004(02)

碩士論文
[1]基于語義屬性分級的肺結(jié)節(jié)良惡性診斷研究[D]. 劉琰.西北大學(xué) 2018
[2]基于改進Faster R-CNN的肺結(jié)節(jié)檢測[D]. 范偉康.鄭州大學(xué) 2018
[3]基于時間序列的孤立肺結(jié)節(jié)形態(tài)征象及良惡檢測[D]. 劉瀟.西北大學(xué) 2015



本文編號：2994880