基于深度學習的醫(yī)學圖像分類研究
發(fā)布時間:2021-07-12 06:55
隨著社會的發(fā)展,汽車尾氣和工業(yè)大氣污染的日益增多,肺癌已成為威脅人們生命健康的惡性腫瘤之一,而胸部影像學檢查是肺癌檢測的常用手段。通過患者的胸片、骨掃描、CT檢查、MRI檢查等技術手段可以較為清晰地觀察患者的肺部整體信息與病灶區(qū)域信息。不同的肺部陽性結節(jié)點往往具有相似的形態(tài)、密度等特征,這些相似的特征是醫(yī)生進行肺癌診斷的重要依據(jù)。如何從患者的多張肺部圖片中準確找出結節(jié)點的位置、對結節(jié)惡化程度進行評估成為計算機輔助診斷肺癌的關鍵技術。傳統(tǒng)基于深度學習的分類網(wǎng)絡在檢測肺部醫(yī)學圖像時往往采用二維卷積核,忽略了該患者肺部圖像在前后多幀空間上的相關信息,造成肺部結節(jié)點空間特征提取不完全,降低了檢測精度。針對擁有二維卷積核的深度學習檢測算法存在的問題與缺陷,本文改良了C3D1.1神經(jīng)網(wǎng)絡算法,使其能通過三維卷積核較為完整的提取出肺部結節(jié)點的空間特征,進而提高結節(jié)點檢測與分類的精度。該算法網(wǎng)絡的輸入數(shù)據(jù)由單張患者肺部圖像改為多張空間相鄰的圖像同時輸入,每次取固定的分割窗口大小,根據(jù)不同方向上移動預設步長,對輸入的多張圖像進行多次剪裁。將單個病患輸入的多張圖像轉變?yōu)槎鄠固定大小的二維序列待卷積圖像,并...
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:55 頁
【學位級別】:碩士
【部分圖文】:
卷積神經(jīng)網(wǎng)絡的簡化神經(jīng)單元
具有一個隱含層的神經(jīng)網(wǎng)絡1LayerL3LayerL2LayerL1
MNIST數(shù)據(jù)集
本文編號:3279441
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:55 頁
【學位級別】:碩士
【部分圖文】:
卷積神經(jīng)網(wǎng)絡的簡化神經(jīng)單元
具有一個隱含層的神經(jīng)網(wǎng)絡1LayerL3LayerL2LayerL1
MNIST數(shù)據(jù)集
本文編號:3279441
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3279441.html
最近更新
教材專著