在世界范圍內,癌癥已經成為致死率最高的病因,其中肝癌的致死率位列第四。癌癥早期診斷和治療是降低癌癥死亡率的主要措施。計算機輔助診斷(CAD)系統(tǒng)的目標之一是實現(xiàn)基于醫(yī)學影像的癌癥早期診斷,因而一直得到學術界和工業(yè)界的關注。CAD系統(tǒng)包含兩個重要步驟:即病灶檢測和病灶分類。因此,基于多期相CT影像,研究精確的肝臟病灶檢測和分類方法,具有重要的臨床應用價值。隨著人工智能技術快速發(fā)展,基于卷積神經網絡(CNN)的深度學習模型在許多計算機視覺任務上都取得了突破性的進展。近年來,眾多基于CNN的改進模型也被廣泛應用于CAD系統(tǒng)中。然而,多期相CT影像中肝臟病灶的形狀尺度變化較大,不同類型病灶存在著異病同影和同病異影的情況,多期相影像間的增強模式難以描述,上述特點使得精確的肝臟病灶檢測和分類仍存在較大挑戰(zhàn)。為此,本文圍繞精確的肝臟病灶檢測和分類算法展開研究,主要工作如下:1)提出一種基于多通道尺度不敏感的多期相肝臟病灶檢測算法針對多期相CT影像中肝臟病灶大尺度變化問題,本文提出了一種基于多通道尺度不敏感的多期相肝臟病灶檢測算法。該算法采用基于U型的全卷積結構,有效地融合不同尺度的視覺特征,采用Li...

【文章頁數】：77 頁

【學位級別】：碩士

本文編號：3876912