發(fā)布時(shí)間：2021-02-27 21:55

　　肺癌是最常見、最致命的惡性腫瘤之一,國(guó)際肺癌研究協(xié)會(huì)（IASLC）國(guó)際分期項(xiàng)目證實(shí),隨著腫瘤大小的增加,生存率降低,表明早期診斷和及時(shí)治療是降低肺癌患者死亡率的有效且關(guān)鍵的方法。CT在肺結(jié)節(jié)的檢出和定性中起著重要的作用,鑒別良性結(jié)節(jié)和惡性結(jié)節(jié)對(duì)于指導(dǎo)臨床進(jìn)一步治療有重要意義。近年來(lái),隨著CT的發(fā)展和應(yīng)用,可以提高肺癌早期診斷的敏感性、特異性、準(zhǔn)確性。因?yàn)獒t(yī)學(xué)圖像具有邊緣模糊、灰度不均勻、個(gè)體差異性大、噪聲和偽影嚴(yán)重等特點(diǎn),因此在相關(guān)算法研究中很難達(dá)到高靈敏度和高精度要求。本文根據(jù)胸腔CT影像的解剖學(xué)特征,在肺實(shí)質(zhì)分割、疑似肺結(jié)節(jié)檢測(cè)和分割這兩個(gè)方向上進(jìn)行了深入研究和大量實(shí)驗(yàn)。本文的主要工作包括:（1）肺實(shí)質(zhì)圖像的自動(dòng)分割為了提高肺癌早期肺結(jié)節(jié)診斷的敏感性、特異性、準(zhǔn)確性,首先應(yīng)該對(duì)肺部圖像進(jìn)行預(yù)處理操作,即肺實(shí)質(zhì)分割。本文研究了基于模糊建模思想和迭代相對(duì)模糊連接度（IRFC）算法的自動(dòng)解剖識(shí)別（AAR）方法,對(duì)肺部CT圖像進(jìn)行了肺實(shí)質(zhì)分割。模糊集概念已廣泛應(yīng)用于圖像處理和3D可視化中,模糊建模方法以全數(shù)字形式將解剖信息引入到為對(duì)象識(shí)別和對(duì)象劃分而設(shè)計(jì)的圖形理論框架中,捕獲圖像的不確定信... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 肺內(nèi)結(jié)節(jié)定義及影像學(xué)表現(xiàn)
    1.2 課題研究的背景及意義
    1.3 肺部結(jié)節(jié)分析與識(shí)別的基本過(guò)程
        1.3.1 數(shù)據(jù)預(yù)處理
        1.3.2 疑似肺結(jié)節(jié)區(qū)域提取
    1.4 本文的組織結(jié)構(gòu)
第二章 相關(guān)理論知識(shí)介紹
    2.1 人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用
        2.1.1 概述
        2.1.2 計(jì)算機(jī)視覺(jué)在醫(yī)學(xué)領(lǐng)域的應(yīng)用
    2.2 基于模糊連接度的圖像分割方法
        2.2.1 模糊連接度圖像分割的基本知識(shí)
        2.2.3 相對(duì)模糊連接度
        2.2.4 迭代相對(duì)模糊連接
    2.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法
        2.3.1 概述
        2.3.2 目標(biāo)檢測(cè)相關(guān)算法
    2.4 基于深度學(xué)習(xí)的語(yǔ)義分割方法
        2.4.1 概述
        2.4.2 語(yǔ)義分割相關(guān)算法
第三章 肺部CT圖像分割方法研究
    3.1 概述
    3.2 自動(dòng)解剖識(shí)別方法的概述
        3.2.1 建立胸腔Thorax的模糊模型
        3.2.2 目標(biāo)識(shí)別
        3.2.3 目標(biāo)輪廓提取
    3.3 提高算法的運(yùn)行速度
    3.4 實(shí)驗(yàn)結(jié)果和分析
        3.4.1 數(shù)據(jù)集
        3.4.2 評(píng)估策略
        3.4.3 性能比較
第四章 卷積神經(jīng)網(wǎng)絡(luò)在胸部CT肺結(jié)節(jié)評(píng)估中的應(yīng)用
    4.1 概述
    4.2 基于Mask-RCNN的肺結(jié)節(jié)自動(dòng)識(shí)別和分割
    4.3 優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.1 ResNet架構(gòu)
        4.3.2 ResNet調(diào)整
        4.3.3 DenseNet架構(gòu)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)集
        4.4.2 評(píng)估策略
        4.4.3 性能比較
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Local Jet變換空間紋理特征的肺結(jié)節(jié)分類方法[J]. 代美玲,祁瑾,周仲興,高峰.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2017(01)
[2]基于3D區(qū)域增長(zhǎng)法和改進(jìn)的凸包算法相結(jié)合的全肺分割方法[J]. 代雙鳳,呂科,翟銳,董繼陽(yáng).  電子與信息學(xué)報(bào). 2016(09)
[3]多層螺旋CT在肺結(jié)節(jié)診斷中的應(yīng)用及展望[J]. 王化,唐光健.  國(guó)外醫(yī)學(xué)(臨床放射學(xué)分冊(cè)). 2005(06)
[4]影響CT檢出肺結(jié)節(jié)的因素[J]. 歐陽(yáng)林.  中國(guó)醫(yī)學(xué)影像技術(shù). 2004(04)
[5]良性孤立性肺結(jié)節(jié)動(dòng)態(tài)CT表現(xiàn)及病理基礎(chǔ)[J]. 錢江,杜立新,傅加平,鄧明.  中國(guó)醫(yī)學(xué)影像技術(shù). 2000(07)

博士論文
[1]肺結(jié)節(jié)圖像的分析與識(shí)別[D]. 曹蕾.南方醫(yī)科大學(xué) 2009

碩士論文
[1]基于SVM的肺結(jié)節(jié)分割與識(shí)別[D]. 樂(lè)昂霖.東北大學(xué) 2015



本文編號(hào)：3054854