根據(jù)世界衛(wèi)生組織發(fā)布的《2018年全球癌癥統(tǒng)計》,肺癌的患病率和死亡率均位居各類癌癥之首,嚴重影響了人類的身體健康。臨床研究表明,如果在肺癌早期得到及時治療,肺癌患者五年生存率達80%以上。因此,肺癌的早期篩查對于提高患者生存率具有重要意義。臨床診斷中,醫(yī)生需要對肺結(jié)節(jié)的位置和良惡性進行準確診斷�，F(xiàn)有的醫(yī)學影像輔助診斷方法有胸部X射線片、計算機斷層掃描成像、正電子發(fā)射計算機斷層顯像、磁共振成像等。由于CT技術(shù)分辨率高、價格低廉等優(yōu)點,醫(yī)生通常利用CT影像技術(shù)對患者進行診斷。但是近年來隨著肺癌患者急劇增加,加重了影像學醫(yī)師的工作負擔。隨著深度學習和計算機技術(shù)的發(fā)展,利用人工智能輔助醫(yī)生進行診斷成為了可能。本文通過分析現(xiàn)有肺結(jié)節(jié)檢測和良惡性分類的不足,提出了基于多尺度融合卷積神經(jīng)網(wǎng)絡的肺結(jié)節(jié)檢測和基于全卷積神經(jīng)網(wǎng)絡的肺結(jié)節(jié)良惡性分類。其主要研究內(nèi)容如下:（1）本文提出了基于多尺度融合卷積神經(jīng)網(wǎng)絡的肺結(jié)節(jié)檢測算法。由于CT圖像中小型肺結(jié)節(jié)與血管在形狀、大小和灰度方面極為相似,在臨床診斷中很容易導致誤判和漏判。針對此問題,本文首先構(gòu)建了多尺度卷積神經(jīng)網(wǎng)絡,得到肺結(jié)節(jié)的形狀特征和紋理特征。在此基... 

【文章來源】：河北大學河北省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

肺結(jié)節(jié)直徑統(tǒng)計

河北大學碩士學位論文26特征融合方式的實驗結(jié)果如圖3-9所示。實驗結(jié)果顯示相加融合提高了算法的性能。這是因為相加融合可以增強感興趣區(qū)域的特征，進而提高算法分類和定位的準確性。相乘融合可能會減小特征值，導致降低了分類器的性能。堆疊融合只是增加了特征的數(shù)量，特征值并沒有發(fā)生變化，導致堆疊融合的效果最差。堆疊相加相乘圖3-9三種不同特征融合方式對比實驗結(jié)果P-R曲線為了更加直觀的看到本算法的性能，將測試集進行測試。測試得到的P-R曲線如圖3-10所示。網(wǎng)絡的召回率達96.8%，AP值達92.6%。結(jié)果表明了多尺度融合卷積神經(jīng)網(wǎng)絡可以從CT圖像中提取到具有區(qū)分性的特征，可以將肺結(jié)節(jié)和背景信息準確區(qū)分。圖3-10多尺度融合卷積神經(jīng)網(wǎng)絡檢測結(jié)果P-R曲線圖為了進一步證明本章提出的肺結(jié)節(jié)檢測算法具有良好的性能，與現(xiàn)有最先進的檢測

第三章基于多尺度融合卷積神經(jīng)網(wǎng)絡的肺結(jié)節(jié)檢測算法27算法進行對比。對比結(jié)果如表3-3所示。表中與本章對比所有算法都是基于卷積神經(jīng)網(wǎng)絡。由表中可以看到，盡管基于3D圖像的方法充分利用了肺結(jié)節(jié)的空間信息，但是本章提出的算法達到的召回率比基于3D圖像的算法高4.94%。其他基于2D圖像的方法，比最優(yōu)秀的算法得到的召回率高2.4%。表3-3本算法與其他算法性能對比作者圖像維度數(shù)據(jù)集召回率Ozdemiretal[31]2DLUNA1692%Huangetal[52]3DLIDC-IDRI90%Sunetal[53]2DLIDC-IDRI87.7%Sakamotoetal[54]2DLUNA1694.4%Frozetal[55]3DLIDC-IDRI91.86%Teramoto[56]2DLIDC-IDRI83%Xieetal[57]2DLIDC-IDRI86.42%Ours2DLIDC-IDRI96.8%圖3-11可視化檢測結(jié)果（a）真實標簽框（b）Faster-RCNN檢測結(jié)果（c）SSD檢測結(jié)果（d）

【參考文獻】：
期刊論文
[1]非對稱卷積核YOLO V2網(wǎng)絡的CT影像肺結(jié)節(jié)檢測[J]. 李新征,金煒,李綱,尹曹謙.  中國生物醫(yī)學工程學報. 2019(04)
[2]基于CT圖像的肺結(jié)節(jié)檢測與識別[J]. 唐思源,劉燕茹,楊敏,徐瑞英.  中國醫(yī)學物理學雜志. 2019(07)
[3]基于Gabor小波和深度置信網(wǎng)絡的肺結(jié)節(jié)良惡性分類研究[J]. 王亞娟,管建,王立功.  北京生物醫(yī)學工程. 2019(03)
[4]基于放射影像組學和隨機森林算法的肺結(jié)節(jié)良惡性分類[J]. 李祥霞,李彬,田聯(lián)房,朱文博,張莉.  華南理工大學學報(自然科學版). 2018(08)
[5]基于卷積神經(jīng)網(wǎng)絡檢測肺結(jié)節(jié)[J]. 侍新,謝世朋,李海波.  中國醫(yī)學影像技術(shù). 2018(06)
[6]中國居民1987—2014年肺癌死亡趨勢分析[J]. 王麗君,宇傳華,張志將,燕虹.  中國公共衛(wèi)生. 2017(01)
[7]低劑量螺旋CT在早期肺癌篩查中的研究進展[J]. 郭丹丹,李春平,郭鈞忠.  國際醫(yī)學放射學雜志. 2011(05)



本文編號：3135960