肺癌是一種全球性的高危疾病,尤其在男性中肺癌是最常見的癌癥,而肺癌早期是以肺結(jié)節(jié)的形式表現(xiàn)出來(lái)的,雖然低劑量肺CT篩查肺結(jié)節(jié)為早期診斷提供了一個(gè)有效的方法,大大降低了肺癌的死亡率。但隨著信息數(shù)據(jù)的增加,給醫(yī)生的工作帶來(lái)巨大的負(fù)擔(dān),因此利用計(jì)算機(jī)輔助肺結(jié)節(jié)檢測(cè)十分必要,有利于減少診斷時(shí)間,幫助醫(yī)生提高工作效率。傳統(tǒng)的肺結(jié)節(jié)檢測(cè)使用的方法大部分都是基于機(jī)器學(xué)習(xí)算法,結(jié)合專業(yè)的醫(yī)學(xué)領(lǐng)域知識(shí)和CT圖像的特點(diǎn),人工提取出特征,并選取有用的特征放到分類器中訓(xùn)練,不僅過程繁瑣,而且這樣訓(xùn)練出來(lái)的模型泛化能力不好,并不能直接運(yùn)用起到輔助治療的作用。隨著深度卷積神經(jīng)網(wǎng)絡(luò)與圖像處理領(lǐng)域的結(jié)合,深度學(xué)習(xí)算法漸漸成為熱門的研究課題,它不再需要傳統(tǒng)方法中手工特征提取設(shè)計(jì)的步驟,而是由模型以卷積方式自動(dòng)提取圖像的表征,且深層的網(wǎng)絡(luò)提取的特征更具體,更具有辨識(shí)力。因此,越來(lái)越多的人開始將深度學(xué)習(xí)的算法融合到肺結(jié)節(jié)圖像研究中�，F(xiàn)已有的方法主要是將傳統(tǒng)的機(jī)器學(xué)習(xí)算法與深度學(xué)習(xí)結(jié)合起來(lái),在疑似肺結(jié)節(jié)區(qū)域分割中應(yīng)用傳統(tǒng)的算法,在去除肺結(jié)節(jié)假陽(yáng)性中使用深度卷積神經(jīng)網(wǎng)絡(luò),但是這類方法得到的模型往往泛化能力不好,在提取疑似結(jié)節(jié)過... 

【文章來(lái)源】：上海海洋大學(xué)上海市

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

語(yǔ)義分割Fig.2-1Semanticsegmentation

圖分割Fig.2-2Graphsegmentation

9圖 2-3 最小化分割Fig.2-3 Normalized cut的基本思想是按照?qǐng)D像的灰度特征選取閾值，并針對(duì)圖閾值的比較結(jié)果來(lái)分類，閾值的最佳求解方法是按照某際上將輸入圖像 f 轉(zhuǎn)化為輸出圖像 g（2-3）：， h h圖像中各個(gè)像素點(diǎn)大于等于閾值 T 時(shí)，圖像中的像素點(diǎn)輸入圖像中各個(gè)像素點(diǎn)小于閾值 T 時(shí)，將圖像中的像素，閾值的選取是基于閾值分割算法的關(guān)鍵，確定閾值后值與閾值的大小，對(duì)各像素并行地進(jìn)行輸出灰度值，給區(qū)域。該算法直接利用圖像灰度特性進(jìn)行分割，易實(shí)現(xiàn)、

【參考文獻(xiàn)】：
期刊論文
[1]基于三維形狀指數(shù)的肺結(jié)節(jié)自動(dòng)檢測(cè)方法[J]. 董林佳,強(qiáng)彥,趙涓涓,原杰,趙文婷.  計(jì)算機(jī)應(yīng)用. 2017(11)
[2]基于多尺度小波變換的醫(yī)學(xué)圖像邊緣檢測(cè)[J]. 張劍,金延昊.  醫(yī)療衛(wèi)生裝備. 2016(05)
[3]肺結(jié)節(jié)的CT計(jì)算機(jī)輔助檢測(cè)和診斷的基本方法和應(yīng)用[J]. 崔云,馬大慶.  中國(guó)醫(yī)學(xué)影像技術(shù). 2007(03)

碩士論文
[1]基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測(cè)方法研究[D]. 郝歡.西安理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測(cè)研究[D]. 方俊煒.廣州大學(xué) 2018
[3]基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測(cè)與診斷研究[D]. 楊晗.鄭州大學(xué) 2018
[4]基于機(jī)器視覺的肺結(jié)節(jié)初篩算法研究與實(shí)現(xiàn)[D]. 嚴(yán)忱君.浙江大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)方法研究[D]. 林春偉.華南理工大學(xué) 2017
[6]基于形態(tài)特征的肺結(jié)節(jié)CT圖像計(jì)算機(jī)輔助檢測(cè)和輔助診斷研究[D]. 胡玉娜.復(fù)旦大學(xué) 2012



本文編號(hào)：3562274