發(fā)布時(shí)間：2021-01-27 19:51

　　根據(jù)專(zhuān)業(yè)統(tǒng)計(jì),在中國(guó)甚至在全世界范圍內(nèi),肺癌持續(xù)幾年都是所有癌癥中惡性之首。隨著理論研究的深入和計(jì)算機(jī)運(yùn)行能力的提高,醫(yī)學(xué)影像成為臨床上診斷治療非常重要的輔助手段。醫(yī)學(xué)圖像中組織器官的分割和隨后的定性定量評(píng)估可以為病理學(xué)分析提供有價(jià)值的信息。目前廣泛使用的醫(yī)學(xué)圖像分割方法大致有:傳統(tǒng)的分割方法、機(jī)器學(xué)習(xí)及深度學(xué)習(xí)分割方法等。深度學(xué)習(xí)理論近些年被推廣到了包括應(yīng)用在處理計(jì)算機(jī)視覺(jué)和語(yǔ)音識(shí)別等問(wèn)題上的很多領(lǐng)域。深度學(xué)習(xí)方法可分層次地處理海量數(shù)據(jù),提取數(shù)據(jù)特征,對(duì)大規(guī)模復(fù)雜問(wèn)題也可以達(dá)到很高的準(zhǔn)確率�；诖�,本文研究了基于深度學(xué)習(xí)理論的肺部CT圖像分割模型。本文基于經(jīng)典的U-Net模型和空洞卷積（Dilated convolutions,DC）,給出了處理肺部CT圖像分割問(wèn)題的空洞U-Net模型（DC-U-Net）,并且在模型輸出層之前增加了一層1×1的卷積,融合了多通道信息并增加模型的非線性。在Keras框架下利用Python語(yǔ)言實(shí)現(xiàn)了基于DC-U-Net模型的肺部分割任務(wù),該任務(wù)包括數(shù)據(jù)預(yù)處理、模型搭建、網(wǎng)絡(luò)配置等過(guò)程。最后給出了數(shù)值結(jié)果及結(jié)論。本文的研究?jī)?nèi)容主要有以下兩個(gè)方面:一、由于空... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 本文內(nèi)容與結(jié)構(gòu)安排
2 圖像分割算法介紹
    2.1 傳統(tǒng)圖像分割算法
        2.1.1 基于閾值的圖像分割
        2.1.2 ACM分割算法
        2.1.3 K-Means分割算法
    2.2 基于深度學(xué)習(xí)的分割算法
        2.2.1 深度學(xué)習(xí)的發(fā)展
        2.2.2 深度學(xué)習(xí)模型結(jié)構(gòu)
3 肺部CT圖像分割的DC-U-Net模型
    3.1 DC-U-Net模型整體結(jié)構(gòu)
    3.2 DC-U-Net模型的內(nèi)部結(jié)構(gòu)
        3.2.1 卷積層與空洞卷積
        3.2.2 上采樣和下采樣
        3.2.3 激活函數(shù)
        3.2.4 損失函數(shù)
4 圖像分割算法實(shí)現(xiàn)
    4.1 環(huán)境搭建
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 圖像去噪
        4.2.2 數(shù)據(jù)增強(qiáng)
    4.3 DC-U-Net模型實(shí)現(xiàn)
        4.3.1 DC-U-Net網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)
        4.3.2 網(wǎng)絡(luò)配置
    4.4 數(shù)值結(jié)果
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3003631