肺是與外界自然直接相連的器官,使肺部極其容易感染疾病。隨著環(huán)境和人為因素的影響,肺部疾病,特別是肺癌逐漸增加,成為影響人類健康的主要疾病之一。醫(yī)學CT影像由于其可視性和可計算性,被廣泛用于肺部疾病的診斷和治療,如肺結節(jié)檢測、肺癌檢測、肺部穿刺等。然而,肺實質分割是基于計算機輔助肺部疾病診斷和治療的首要任務,其分割結果直接影響疾病診斷的質量。因此,國內外學者開展了大量的肺實質分割的研究工作。但是,由于肺部器官體積較大,且受其周邊器官組織影像的干擾,給肺實質的準確分割增加了困難。為此,本文以臨床應用需求為目標,結合人工智能技術,開展快速3D肺實質分割研究,建立了基于2.5D卷積神經網絡的肺實質分割系統(tǒng)。首先,給出了改進U-net的神經網絡模型。改進的網絡模型采用不同卷積率的空洞卷積(Atrous-Conv),以便整合更多的圖像信息;運用多個異核池化操作進行信息篩選,保證獲取信息的有效性;通過反卷積上采樣操作實現(xiàn)肺實質分割。以改進的網絡模型為基礎,運用VGG結構,實現(xiàn)以特征提取、全局信息注入、肺實質分割三個部分為主的分割系統(tǒng),有效地改善了肺實質過分割現(xiàn)象。其次,提出了基于2.5D改進U-ne...

【文章頁數】：48 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與研究意義
    1.2 肺組織結構的CT影像特征
    1.3 基于CT圖像的肺實質分割的國內外研究現(xiàn)狀
        1.3.1 傳統(tǒng)方法進行肺實質分割
        1.3.2 深度學習方法進行肺實質分割
    1.4 主要研究內容和組織結構
第二章 基于U-net網絡的醫(yī)學圖像分割
    2.1 卷積神經網絡
        2.1.1 深度學習概述
        2.1.2 卷積神經網絡的基本結構
    2.2 基于2DU-net的醫(yī)學圖像分割
        2.2.1 U-net的網絡結構
        2.2.2 基于2DU-net的肺實質分割
    2.3 基于3DU-net網絡的醫(yī)學圖像分割
    2.4 本章小結
第三章 基于2.5D改進U-net的肺實質分割
    3.1 改進的U-net網絡
        3.1.1 改進U-net網絡的整體結構
        3.1.2 空洞卷積模塊
        3.1.3 并行池化模塊
    3.2 2.5D分割原理與實現(xiàn)
    3.3 本章小結
第四章 實驗結果與分析
    4.1 實驗數據
        4.1.1 數據來源及數據分析
        4.1.2 數據預處理
    4.2 評價標準
    4.3 實驗結果與分析
        4.3.1 二維肺實質分割各種方法結果比較
        4.3.2 2.5D肺實質分割結果與3D肺實質分割結果比較
    4.4 本章小結
第五章 總結與展望
    5.1 全文總結
    5.2 后續(xù)展望
參考文獻
致謝



本文編號：3952761