隨著計算機技術(shù)的發(fā)展,計算機輔助診斷系統(tǒng)(computer aided diagnosis CAD)對于病理分析及癌癥診斷具有重要的意義,己廣泛應用于肺病的早期篩查,它一般步驟通常包括圖像的預處理過程、特征提取及圖像識別等。塵肺病是一種職業(yè)病,主要人群為農(nóng)民工患者,其工作環(huán)境較為落后,長期吸入生產(chǎn)性化學粉塵并在肺內(nèi)滯留引起塵肺病。針對塵肺病CT圖上的病灶分布以及病灶周圍陰影表現(xiàn)與肺癌表現(xiàn)相近,識別檢測容易受到肺內(nèi)結(jié)節(jié)大小,形狀以及血管等肺內(nèi)組織的干擾而造成誤診的現(xiàn)狀,本文提出基于Capsule神經(jīng)網(wǎng)絡的肺病識別方法�？紤]到肺部CT圖像的紋理特征中蘊含很多醫(yī)療信息,為了對紋理特征進行保護,本文選擇灰度均值、熵以及分形維數(shù)等建立起一個紋理特征向量,且根據(jù)上下文模型采集對應信息,基于LBG算法來預處理肺部CT圖像,通過對肺結(jié)節(jié)的檢測與提取完成肺實質(zhì)分割。又由于現(xiàn)有肺部CT圖片數(shù)據(jù)較少,且肺病特征較小,為提高網(wǎng)絡性能,對已有圖片進行數(shù)據(jù)增強,拓展數(shù)據(jù)集。因此,本文提出了一個基于膠囊神經(jīng)網(wǎng)絡的方法對農(nóng)民工肺部CT圖像進行分類預測,首先對卷積神經(jīng)網(wǎng)絡和遷移學習進行介紹,其次對Capsule算法進行...

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 Tensorflow深度學習框架
    1.4 本論文的主要工作內(nèi)容
    1.5 小結(jié)
2 肺部CT圖像問題分析和總體結(jié)構(gòu)
    2.1 肺病問題分析
    2.2 肺部CT圖像特征分析
    2.3 總體結(jié)構(gòu)
    2.4 本章小結(jié)
3 肺部圖像預處理
    3.1 基于上下文算法的圖像預處理
        3.1.1 上下文模型介紹
        3.1.2 上下文模型構(gòu)建
        3.1.3 LBG算法進行上下文量化
    3.2 數(shù)據(jù)增強
        3.2.1 圖像增強
        3.2.2 醫(yī)學CT圖像分割方法介紹
        3.2.3 肺實質(zhì)分割
        3.2.4 候選區(qū)域的檢測
        3.2.5 肺結(jié)節(jié)特征選擇與提取
        3.2.6 假陽性結(jié)節(jié)的過濾
    3.3 數(shù)據(jù)擴充
    3.4 本章小結(jié)
4 基于Capsule神經(jīng)網(wǎng)絡的肺病識別方法
    4.1 卷積神經(jīng)網(wǎng)絡介紹
    4.2 遷移學習
    4.3 Capsule神經(jīng)網(wǎng)絡
    4.4 基于遷移學習的Capsule神經(jīng)網(wǎng)絡肺部CT圖像識別
    4.5 本章小結(jié)
5 實驗結(jié)果分析
    5.1 基于CapsNet模型分類結(jié)果與分析
    5.2 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝



本文編號：3800562