隨著空氣污染的加深,人們對呼吸系統(tǒng)健康的關注也越來越高。肺腺癌作為一種較多發(fā)于女性或非吸煙人群的肺癌,其早期切除手術后5年生存率較高,因而早期診斷十分關鍵。肺腺癌診斷依賴胸腔CT成像技術,影像科醫(yī)生需要耗費十數(shù)分鐘的時間從CT影像中篩查出肺腺癌。面對越來越高的胸腔CT診斷需求,提高影像篩查速度十分關鍵,利用快速精準的計算機輔助診斷算法從CT掃描檢測出肺腺癌是一種有效的解決方案。目前,針對肺腺癌的檢測算法研究較少,但該問題與肺結節(jié)檢測較為相似。肺結節(jié)檢測算法通常分為兩個階段,包括定位候選肺結節(jié)和良惡性分類。本研究中,第一階段從CT影像中定位候選肺腺癌病灶,降低假陰率;第二階段篩查出候選病灶中的假陽樣本,并將真陽樣本分類為原位腺癌和微浸潤腺癌。在肺結節(jié)檢測算法中,基于卷積神經(jīng)網(wǎng)絡（convolutional neural network,CNN）的檢測算法較傳統(tǒng)手工設計特征算子的方法效果更優(yōu),準確率更高。但CNN參數(shù)量較大,訓練成本高,在兩個階段中各使用一個CNN模型進一步增加了算法整體的訓練難度,且內存占用更高,提高了算法應用的硬件標準。然而,由于肺腺癌體積較小,且尺度不一,若使用單個C... 

【文章來源】：浙江工業(yè)大學浙江省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

肺癌分類比例圖及吸煙者占比[10]

肺腺癌在X光（左）和CT（右）中的形態(tài)

目標檢測示意圖


本文編號：3082431