孤立性肺結(jié)節(jié)良惡性分類是醫(yī)學(xué)圖像處理中的重要組成部分�；诜谓Y(jié)節(jié)復(fù)雜的圖像特征和傳統(tǒng)人工診斷提取存在的挑戰(zhàn)性與對(duì)肺結(jié)節(jié)識(shí)別中的不確定性因素的存在,因而要充分發(fā)揮機(jī)器學(xué)習(xí)在診斷中的輔助性功效,實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。鑒于此,本文引入深度神經(jīng)網(wǎng)絡(luò),將卷積神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到孤立性肺結(jié)節(jié)良惡性分類中,充分利用其比傳統(tǒng)方法學(xué)習(xí)能力更強(qiáng)、學(xué)習(xí)方法更便捷且可以降低圖像特征等特點(diǎn),以減少肺部CT圖像中肺結(jié)節(jié)的特征提取數(shù)量,充分利用支持向量機(jī)泛化能力強(qiáng)的優(yōu)點(diǎn),提高地域性小樣本肺結(jié)節(jié)良惡性識(shí)別的準(zhǔn)確率。首先,本文針對(duì)孤立性肺結(jié)節(jié)的良惡性分類的研究現(xiàn)狀進(jìn)行分析,研究深度神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的分類方法對(duì)肺結(jié)節(jié)分類方法的效果。其次,詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理,比較卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn),探究卷積神經(jīng)網(wǎng)絡(luò)對(duì)孤立性肺結(jié)節(jié)進(jìn)行提取的過程,使用批量歸一化等方法來改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的過擬合,并引入自動(dòng)微分計(jì)算梯度方法以提高算法對(duì)肺結(jié)節(jié)良惡性分類的準(zhǔn)確率。再次,本文的研究基于支持向量機(jī)的圖像分類算法,利用支持向量機(jī)對(duì)小樣本泛化能力強(qiáng)的特點(diǎn),將布谷鳥搜索算法改進(jìn)并用于其中,利用其尋優(yōu)能力強(qiáng)的優(yōu)點(diǎn),以尋找支持向量機(jī)的相關(guān)參數(shù),有效提高支持向... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LIDC-IDRI中的數(shù)據(jù)信息Fig.2-1DatainformationintheLIDC-IDRIdatabase

肺部原始圖像

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-9-圖3-1卷積神經(jīng)網(wǎng)絡(luò)模型圖Fig.3-1Convolutionalneuralnetworkmodeldiagram3.1.2數(shù)學(xué)模型與實(shí)現(xiàn)1.卷積層的主要作用是實(shí)現(xiàn)局部感知和部分特征提取[24]，主要是通過卷積核與圖像做卷積處理，圖3-2為卷積神經(jīng)網(wǎng)絡(luò)的局部卷積計(jì)算。圖3-2卷積層卷積運(yùn)算Fig3-2Convolutionoperationofconvolutionlayer在卷積計(jì)算的過程中，為了精確計(jì)算輸出特征圖的每一個(gè)值，卷積核沿水平或者垂直位置采取步長為1的移動(dòng)，該步長為卷積核的步幅。步幅的大小決定卷積神經(jīng)網(wǎng)絡(luò)的維度。當(dāng)步幅增大時(shí)，相對(duì)應(yīng)卷積神經(jīng)網(wǎng)絡(luò)的維度就會(huì)減小，這個(gè)減小的過程，則稱為子采樣操作，子采樣決定了卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模。卷積層中，與輸入的特征圖表示相比，輸出層特征圖的空間大小減校假設(shè)卷積核為，輸入特征圖的大小為，步幅長度為s，則卷積層輸出的大小為，其中、的大小如公式(3-1)，是下取整函數(shù)：tt(3-1)上述公式求得了卷積層的輸出大校接下來是對(duì)卷積層算法的具體實(shí)現(xiàn)，

【參考文獻(xiàn)】：
期刊論文
[1]細(xì)數(shù)我國各大區(qū)域高發(fā)癌癥[J]. 昭陽.  江蘇衛(wèi)生保健. 2018(08)
[2]不同池化模型的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)性能研究[J]. 劉萬軍,梁雪劍,曲海成.  中國圖象圖形學(xué)報(bào). 2016(09)
[3]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的孤立性肺結(jié)節(jié)分類算法[J]. 胡強(qiáng),郝曉燕,雷蕾.  計(jì)算機(jī)科學(xué). 2016(S1)
[4]基于改進(jìn)布谷鳥搜索算法的圖像邊緣檢測(cè)[J]. 鄧江洪,趙領(lǐng).  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(08)
[5]PCA預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別算法[J]. 史鶴歡,許悅雷,馬時(shí)平,李岳云,李帥.  西安電子科技大學(xué)學(xué)報(bào). 2016(03)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的紋理分類方法研究[J]. 冀中,劉青,聶林紅,龐彥偉.  計(jì)算機(jī)科學(xué)與探索. 2016(03)
[7]基于SVM和形態(tài)學(xué)的乳腺X線影像MROI提取技術(shù)[J]. 顧廣娟,宋立新,王立.  哈爾濱理工大學(xué)學(xué)報(bào). 2009(06)
[8]胸部CT圖像中孤立性肺結(jié)節(jié)良惡性快速分類[J]. 劉露,劉宛予,楚春雨,吳軍,周洋,張紅霞,鮑劼.  光學(xué)精密工程. 2009(08)

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]5p15.33區(qū)域遺傳變異與肺癌易感性的相關(guān)性研究[D]. 向成.華中科技大學(xué) 2017
[2]基于DICOM序列影像的肺結(jié)節(jié)檢測(cè)算法研究[D]. 羅旋.電子科技大學(xué) 2015



本文編號(hào)：3109333