發(fā)布時(shí)間：2021-09-29 06:50

　　近年來,肺癌的致死率逐年上升,對(duì)肺部疾病的早期預(yù)防顯得尤為重要。而肺結(jié)節(jié)作為肺癌的早期主要征象之一,針對(duì)肺部結(jié)節(jié)的檢測成為預(yù)防肺癌的首選方案。醫(yī)學(xué)圖像作為計(jì)算機(jī)輔助醫(yī)療的重要媒介,承載豐富的診療信息,在醫(yī)學(xué)研究和診斷領(lǐng)域中的作用日益凸顯。其中,CT圖像是以非侵入的方式取得內(nèi)部組織影像,屬于非可見光重建成像,透視能力更佳,且因其檢查方便、結(jié)構(gòu)顯示清晰等特點(diǎn),成為醫(yī)生診斷病癥、評(píng)估療效的重要工具。為有效提高肺癌的診療效果,從肺部CT圖像中將肺結(jié)節(jié)精準(zhǔn)地分離出來對(duì)肺癌的評(píng)估及診斷大有助益。如何高效提取圖像特征、準(zhǔn)確識(shí)別病灶具有重要的研究價(jià)值。針對(duì)CT圖像進(jìn)行肺結(jié)節(jié)的分割識(shí)別已經(jīng)成為研究的熱點(diǎn),但由于CT圖像灰度不均勻、邊界模糊不清等問題,傳統(tǒng)的分割方法雖然可以分割出結(jié)節(jié)的輪廓邊界,但過分割現(xiàn)象嚴(yán)重,分割準(zhǔn)確率不夠理想。卷積神經(jīng)網(wǎng)絡(luò)的多層結(jié)構(gòu)能夠提取高質(zhì)量的特征,其中較淺的卷積層學(xué)習(xí)局部區(qū)域的特征,較深層次的卷積層學(xué)習(xí)一些抽象的特征,這些抽象特征對(duì)物體的大小、位置、和方向等敏感性更低,從而有助于分割性能的提高。然而,具有合理標(biāo)簽的醫(yī)學(xué)成像數(shù)據(jù)量較少,導(dǎo)致很難使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)醫(yī)學(xué)圖像直接進(jìn)行訓(xùn)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像展示

卷積化轉(zhuǎn)化示意圖

（a）訓(xùn)練圖像，（b）表示（a）對(duì)應(yīng)的標(biāo)簽圖像

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合全卷積網(wǎng)絡(luò)和GrowCut的腎皮質(zhì)分割算法[J]. 時(shí)永剛,錢夢(mèng)瑤,劉志文.  中國圖象圖形學(xué)報(bào). 2017(10)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]基于機(jī)器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護(hù)中的應(yīng)用[J]. 胡剛,荊磊,朱磊.  科技創(chuàng)新與應(yīng)用. 2016(31)
[4]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[5]圖像分割常用方法綜述[J]. 史曉楠,歐陽震.  科技視界. 2014(33)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)自動(dòng)檢測算法研究[J]. 鐘明霞,姜柏軍.  計(jì)算機(jī)時(shí)代. 2014(10)
[7]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[8]深度學(xué)習(xí)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[9]神經(jīng)網(wǎng)絡(luò)BP算法研究綜述[J]. 陳流豪.  電腦知識(shí)與技術(shù). 2010(36)
[10]分水嶺算法的改進(jìn)方法研究[J]. 刁智華,趙春江,郭新宇,陸聲鏈,王秀徽.  計(jì)算機(jī)工程. 2010(17)

博士論文
[1]基于CT圖像多維特征的肺結(jié)節(jié)檢測和診斷方法研究[D]. 韓芳芳.東北大學(xué) 2015

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)檢測系統(tǒng)研制[D]. 朱翔宇.南京大學(xué) 2017
[2]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015
[3]基于人工神經(jīng)網(wǎng)絡(luò)方法的股市預(yù)測研究[D]. 尹紹飛.江蘇科技大學(xué) 2010



本文編號(hào)：3413254