肺結(jié)節(jié)在CT圖像切片中形態(tài)大小不一,組織密度不均勻,結(jié)構(gòu)邊緣模糊,實(shí)現(xiàn)結(jié)節(jié)和非結(jié)節(jié)的識別與分割是困難的。為了完成CT圖像中的肺結(jié)節(jié)分割任務(wù),本文以LUNA16(Lung Nodule Analysis 2016)挑戰(zhàn)賽中提供的肺部CT圖像為實(shí)驗(yàn)數(shù)據(jù)。介紹肺結(jié)節(jié)在CT圖像切片中的形態(tài)結(jié)構(gòu)特征,從而分析CT圖像中肺結(jié)節(jié)分割的可行性。首先采用簡單的閾值分割方法,以直方圖為工具統(tǒng)計CT圖像切片灰度分布情況,選取合適的灰度值作為分割界限執(zhí)行肺結(jié)節(jié)分割。然后采用基于模糊理論的模糊C均值聚類算法,使用隸屬度值表示每個像素屬于某個類別的概率。通過設(shè)定CT圖像切片中需要分割的類別數(shù)目,逐步迭代算法使目標(biāo)函數(shù)收斂,從而實(shí)現(xiàn)自動聚類分割。盡管以上傳統(tǒng)分割算法對于小部分肺結(jié)節(jié)分割效果較好,但是過程耗時太長,且對于大多數(shù)肺結(jié)節(jié)分割效果較差,不能實(shí)現(xiàn)結(jié)節(jié)和非結(jié)節(jié)的識別。因此,轉(zhuǎn)向基于全卷積網(wǎng)絡(luò)的語義分割算法進(jìn)行肺結(jié)節(jié)分割,在實(shí)驗(yàn)沒有達(dá)到預(yù)期效果的情況下,將在生物醫(yī)學(xué)成像細(xì)胞分割中表現(xiàn)良好的U-Net網(wǎng)絡(luò)模型應(yīng)用于肺結(jié)節(jié)分割,取得了良好的效果。另外,在U-Net網(wǎng)絡(luò)模型中加入批歸一化和殘差網(wǎng)絡(luò),設(shè)計了四類改變的U-...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 課題研究方法及路線
    1.3 論文組織結(jié)構(gòu)
第二章 基于區(qū)域的肺結(jié)節(jié)分割
    2.1 引言
    2.2 基于直方圖的閾值分割
        2.2.1 有監(jiān)督的閾值分割
        2.2.2 最大類間方差的閾值分割
    2.3 基于聚類的分割
        2.3.1 模糊C均值聚類算法
    2.4 本章結(jié)論
第三章 基于全卷積網(wǎng)絡(luò)的圖像分割
    3.1 引言
    3.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 卷積
        3.2.2 池化
        3.2.3 卷積神經(jīng)網(wǎng)絡(luò)中的感受野
        3.2.4 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
    3.3 全卷積網(wǎng)絡(luò)
        3.3.1 分類網(wǎng)絡(luò)轉(zhuǎn)變?yōu)槿矸e網(wǎng)絡(luò)
        3.3.2 反卷積實(shí)現(xiàn)上采樣
    3.4 語義分割
        3.4.1 從VGG16 分類網(wǎng)絡(luò)到FCN-VGG16 全卷積網(wǎng)絡(luò)
        3.4.2 跳層結(jié)構(gòu)
        3.4.3 應(yīng)用FCN-VGG16 網(wǎng)絡(luò)進(jìn)行肺結(jié)節(jié)分割
        3.4.4 FCN的擴(kuò)展
    3.5 本章結(jié)論
第四章 基于U-Net網(wǎng)絡(luò)的圖像分割
    4.1 引言
    4.2 U-Net網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 批歸一化算法
    4.4 殘差網(wǎng)絡(luò)
    4.5 不同類型的 U-Net 網(wǎng)絡(luò)模型結(jié)構(gòu)
        4.5.1 加入BN算法的U-Net網(wǎng)絡(luò)模型結(jié)構(gòu)
        4.5.2 加入殘差網(wǎng)絡(luò)的U-Net網(wǎng)絡(luò)模型結(jié)構(gòu)
        4.5.3 加入BN算法和殘差網(wǎng)絡(luò)的U-Net網(wǎng)絡(luò)模型結(jié)構(gòu)
        4.5.4 對加入BN算法和殘差網(wǎng)絡(luò)的U-Net網(wǎng)絡(luò)模型結(jié)構(gòu)層數(shù)加深
    4.6 本章結(jié)論
第五章 模型訓(xùn)練測試和評估
    5.1 實(shí)驗(yàn)介紹
    5.2 肺部CT圖像獲取
    5.3 實(shí)驗(yàn)數(shù)據(jù)集的建立
        5.3.1 提取肺部CT中心切片
        5.3.2 肺部CT中心切片預(yù)處理
        5.3.3 創(chuàng)建實(shí)驗(yàn)數(shù)據(jù)集
    5.4 實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)環(huán)境的安裝和調(diào)試
        5.4.2 網(wǎng)絡(luò)模型訓(xùn)練優(yōu)化實(shí)驗(yàn)
        5.4.3 網(wǎng)絡(luò)模型測試和評估
        5.4.4 測試過程特征圖可視化
    5.5 本章結(jié)論
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在讀期間公開發(fā)表的論文
致謝



本文編號：3890839