發(fā)布時(shí)間：2021-06-19 12:36

　　肺癌正威脅著人們的健康,其發(fā)病率和死亡率高居不下,如果在發(fā)現(xiàn)肺癌的早期進(jìn)行治療,能顯著提升患者的存活率。CT圖像是用于檢測(cè)肺癌最有效的技術(shù),肺結(jié)節(jié)是肺癌早期的臨床表現(xiàn),這意味著研究基于CT圖像的肺結(jié)節(jié)檢測(cè)和肺結(jié)節(jié)良惡性診斷的技術(shù)和算法在科學(xué)和醫(yī)學(xué)臨床上都具有重要的意義。同時(shí),隨著深度學(xué)習(xí)在圖像處理領(lǐng)域的應(yīng)用范圍不斷擴(kuò)大,近年來在醫(yī)學(xué)圖像處理上也取得了不錯(cuò)的效果,因而不斷有研究者將目光聚焦在利用深度學(xué)習(xí)的技術(shù)進(jìn)行肺結(jié)節(jié)的檢測(cè)和肺結(jié)節(jié)良惡性診斷。本文主要研究基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)和良惡性診斷,主要內(nèi)容如下:對(duì)肺部CT圖像進(jìn)行預(yù)處理,為了避免肺部其他組織對(duì)檢測(cè)造成干擾,利用“閾值法+形態(tài)學(xué)”的方法進(jìn)行肺實(shí)質(zhì)分割,并且在分割好的肺實(shí)質(zhì)的CT圖像上進(jìn)行肺結(jié)節(jié)檢測(cè)和肺結(jié)節(jié)良惡性診斷。針對(duì)肺結(jié)節(jié)的檢測(cè)問題,本文設(shè)計(jì)了一個(gè)基于3D深度卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)模型。該模型實(shí)現(xiàn)了兩個(gè)功能:肺結(jié)節(jié)的提取和假陽(yáng)性過濾。模型中利用3D多尺度的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行候選結(jié)節(jié)提取,U型的雙路徑網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合了殘差學(xué)習(xí)和跳躍連接的優(yōu)點(diǎn),解決了深層網(wǎng)絡(luò)中容易發(fā)生梯度消失的問題,提取的圖像特征更加豐富并且對(duì)特征進(jìn)行了充... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

肺結(jié)節(jié)分類圖

圖2.2 LetNet-5網(wǎng)絡(luò)結(jié)構(gòu)圖[25]（1）卷積層。卷積層用來學(xué)習(xí)模型輸入數(shù)據(jù)的特征，通過不同的卷積核計(jì)算得不同的特征圖。詳細(xì)來講就是利用不同的卷積核，卷積核中的每個(gè)單元中有不同的

的輸入圖片，利用金字塔池化將不用大小的特征圖轉(zhuǎn)換成固定大小的特征向量，使得網(wǎng)絡(luò)最終的輸出是固定的大小。金字塔池化層結(jié)構(gòu)如圖 2.8 所示。圖2.8 金字塔池化層結(jié)構(gòu)圖[35]在圖 2.8 中，對(duì)于大小不同的輸入圖片經(jīng)過一系列的卷積操作后得到不同大小的

【參考文獻(xiàn)】：
期刊論文
[1]多輸入卷積神經(jīng)網(wǎng)絡(luò)肺結(jié)節(jié)檢測(cè)方法研究[J]. 趙鵬飛,趙涓涓,強(qiáng)彥,王峰智,趙文婷.  計(jì)算機(jī)科學(xué). 2018(01)
[2]中國(guó)肺部結(jié)節(jié)分類、診斷與治療指南（2016年版）[J]. 周清華,范亞光,王穎,喬友林,王貴齊,黃云超,王新允,吳寧,張國(guó)楨,鄭向鵬,步宏.  中國(guó)肺癌雜志. 2016(12)



本文編號(hào)：3237824