【摘要】：近年來,肺癌一直是困擾我國乃至全世界的一大難題,其發(fā)病率和死亡率高,每年造成成千上萬的患病者死亡。當(dāng)前針對肺癌最有效的方法仍然是早期檢查,早發(fā)現(xiàn)早治療。肺癌早期的最明顯的標(biāo)志是肺結(jié)節(jié),最主要的檢測手段是計算機斷層掃描(Computed Tomography,CT)。但是CT序列圖像數(shù)據(jù)多,并且隨著近幾年的患者增多,CT圖像數(shù)據(jù)日益增加,導(dǎo)致放射科醫(yī)師的負擔(dān)越來越重。由于肺結(jié)節(jié)較小難觀察,且肺組織結(jié)構(gòu)復(fù)雜,放射科醫(yī)師難以保證長時間高強度地讀片而不出錯。這就迫切需要計算輔助診斷減輕醫(yī)師的負擔(dān),提高檢測的精度。隨著近幾年深度學(xué)習(xí)的快速發(fā)展,圖像處理領(lǐng)域的算法迎來的巨大變化,并且在多個子領(lǐng)域的算法精度都進一步提高。本文結(jié)合深度學(xué)習(xí)算法,研究了肺實質(zhì)分割和肺結(jié)節(jié)的檢測算法,對比分析了算法的優(yōu)劣勢,并在算法上提出了相應(yīng)的改進,增加了算法的精度,同時提高了算法速度。本文在肺實質(zhì)分割結(jié)段,提出了尋找感興趣區(qū)域的的方法對左右肺分離,加快了算法速度。在網(wǎng)絡(luò)提特征階段,針對肺結(jié)節(jié)大小不一的特征,提出了基于膨脹卷積的特征金字塔提取肺結(jié)節(jié)多尺度特征,提高模型的精度。在候選框生成階段,改進了候選框的大小以符合本文的肺結(jié)節(jié)的尺度,并針對正負樣本不平衡的狀況,改進了損失函數(shù),提高的檢測的精度。此外利用三維卷積神經(jīng)網(wǎng)絡(luò)對最后的檢測結(jié)果進行分類,剔除假陽性,同時提出了利用候選框生成網(wǎng)絡(luò)生成三維圖像塊增強分類網(wǎng)絡(luò)的泛化能力。本文結(jié)合實際肺結(jié)節(jié)CT數(shù)據(jù),對算法的檢測結(jié)果進行了對比驗證,證明了算法的效果。本文提出了方法用較小的網(wǎng)絡(luò)完成了整個檢測流程,相對于大型的網(wǎng)絡(luò)在實際應(yīng)用速度更快,節(jié)約硬件成本,有著重要的工程應(yīng)用價值。
【圖文】：

CT機器

肺結(jié)節(jié)對比
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R734.2;R730.44;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 龔敬;王麗嘉;王遠軍;孫希文;聶生東;;基于灰度積分投影與模糊C均值聚類的肺實質(zhì)分割[J];中國生物醫(yī)學(xué)工程學(xué)報;2015年01期

2 肖雪;龔恒;陳鐘;;多閾值和標(biāo)記分水嶺相融合的肺部CT圖像分割方法[J];激光雜志;2014年09期

3 高婷;龔敬;王遠軍;聶生東;孫希文;;檢測肺結(jié)節(jié)的3維自適應(yīng)模板匹配[J];中國圖象圖形學(xué)報;2014年09期

4 黃雪艷;張莉;;基于歐氏距離變換的肺實質(zhì)修補[J];計算機與數(shù)字工程;2014年03期

5 吳平;王彬;薛潔;張巖;劉輝;;基于模板匹配的加速肺結(jié)節(jié)檢測算法研究[J];計算機工程與應(yīng)用;2015年07期

6 袁克虹;向蘭茜;;用于計算機輔助診斷的肺實質(zhì)自動分割方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2011年01期

7 孫旭輝;田啟川;李臨生;武志峰;房賓;;基于改進的模糊C均值聚類的肺結(jié)節(jié)計算機輔助診斷算法研究[J];現(xiàn)代生物醫(yī)學(xué)進展;2010年17期

8 賈同;孟t-;趙大哲;王旭;;基于CT圖像的自動肺實質(zhì)分割方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2008年07期

9 聶生東;李立鴻;陳兆學(xué);;一種基于CI特征的3-域均值平移聚類肺結(jié)節(jié)分割算法(英文)[J];華東師范大學(xué)學(xué)報(自然科學(xué)版);2008年01期

10 郭圣文;陳堅;曾慶思;;胸部CT中肺實質(zhì)的自動分割與計算機輔助診斷[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2008年01期

相關(guān)博士學(xué)位論文 前1條

1 王昌淼;基于胸部影像的肺結(jié)節(jié)檢測與分類關(guān)鍵技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院);2018年

相關(guān)碩士學(xué)位論文 前8條

1 郝歡;基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測方法研究[D];西安理工大學(xué);2018年

2 李夏;基于Adaboost和Faster-RCNN的肺結(jié)節(jié)檢測算法[D];山東大學(xué);2018年

3 賈娜娟;基于CT圖像的肺實質(zhì)分割方法研究[D];湖南大學(xué);2018年

4 劉攀;基于卷積神經(jīng)網(wǎng)絡(luò)的肺實質(zhì)分割[D];華中師范大學(xué);2018年

5 范偉康;基于改進Faster R-CNN的肺結(jié)節(jié)檢測[D];鄭州大學(xué);2018年

6 孫明磊;基于肺部CT圖像的肺結(jié)節(jié)自動檢測與識別[D];華東理工大學(xué);2012年

7 高園園;肺結(jié)節(jié)檢測算法的研究[D];南方醫(yī)科大學(xué);2008年

8 蔣平;基于胸部CT圖像的肺區(qū)自動分割[D];四川大學(xué);2006年

，

本文編號：2693375