發(fā)布時(shí)間：2021-07-17 17:22

　　胸部疾病可能發(fā)生的心臟、肺、縱隔、食管、胸壁、膈肌、大血管等部位,包括慢性阻塞性肺疾病、囊性纖維化等。胸部疾病是世界上最常見的疾病之一,其中肺癌是世界范圍內(nèi)高死亡率的疾病。胸部疾病的早發(fā)現(xiàn)和診斷可以大大改善患者的早期治療,從而提高生存率和患者的生活質(zhì)量,而肺部疾病的早期檢測(cè)可以潛在地降低癌癥死亡率。因此開展胸部疾病診斷的研究是必要的。胸部X線檢查是篩查和診斷胸部疾病最常用的方法,并且現(xiàn)代醫(yī)院收集和儲(chǔ)存了大量的X線影像與診斷報(bào)告�；谶@些影像大數(shù)據(jù)建立深度學(xué)習(xí)模型構(gòu)建高精度計(jì)算機(jī)輔助診斷系統(tǒng)是目前的重要研究方向,但面臨著以下挑戰(zhàn):一是不同胸部疾病患者的X光片上病灶區(qū)域的征象有很大不同;其次,放射科醫(yī)生用于模型訓(xùn)練的精確像素級(jí)注釋不足;另外,現(xiàn)有的機(jī)器學(xué)習(xí)方法無法定位胸部疾病發(fā)生的局部區(qū)域。針對(duì)上述挑戰(zhàn),我們提出了一種基于醫(yī)學(xué)影像數(shù)據(jù)的弱監(jiān)督深度學(xué)習(xí)模型,用于鑒別多種胸部疾病。首先,在具有圖像級(jí)別標(biāo)簽的胸部病變影像數(shù)據(jù)上進(jìn)行訓(xùn)練,建立了對(duì)疾病的多標(biāo)簽分類模型。其次,訓(xùn)練模型由一個(gè)池結(jié)構(gòu)和一個(gè)Densenet前端組成,以識(shí)別可能的疾病特征,并同時(shí)執(zhí)行分類和定位任務(wù)。通過在Chest X-ra... 

【文章來源】：西南科技大學(xué)四川省

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
Chapter 1 Introduction
    1.1 Introduction
    1.2 Research Background
    1.3 Diagnosis of Thoracic
    1.4 Computer Aided Diagnosis
    1.5 Objectives
    1.6 Contribution
Chapter 2 Literature Review
    2.1 Neural Network and Deep Learning
    2.2 Convolutional Neural Network
    2.3 Related Work
        2.3.1 Object Detection
        2.3.2 Medical Disease Diagnosis
        2.3.3 CAD for Chest Radiography
    2.4 Chest X-ray14
        2.4.1 Previous Work on Chest X-Ray14
Chapter 3 Methodology
    3.1 Theoretical Background
    3.2 Problem Formulation
        3.2.1 Multi Label Classification
    3.3 DenseNet(Dense Convolutional Neural Network)
        3.3.1 Advantages
    3.4 Loss Function
    3.5 Localization
        3.5.1 Model Interpretation
Chapter 4 Experiment and Results
    4.1 Dataset
    4.2 Experimental Settings
    4.3 Results
    4.4 Localization with CAM
Chapter 5 Conclusion and Future Work
    5.1 Conclusion
    5.2 Future Work
Acknowledgements
Dedication
References



本文編號(hào)：3288610