肺癌是一種世界性的高發(fā)疾病,死亡率更是居高不下。早發(fā)現(xiàn),早治療是提高肺癌的治愈率和延長患者生命周期的重要手段,而肺結(jié)節(jié)是肺癌早期的主要表現(xiàn)形式,因此,對肺結(jié)節(jié)的早期診斷分析是提高肺癌患者生存率的關(guān)鍵。利用計算機斷層掃描技術(shù)（Computed Tomography,CT）篩查肺結(jié)節(jié)是目前通常采用的診斷方法。隨著患者的日益增多,肺部CT數(shù)據(jù)也在呈指數(shù)級地增長,無疑給醫(yī)師的人工篩查工作帶來了巨大的挑戰(zhàn)和負擔,因此使用計算機輔助診斷（Computer Aided Diagnosis,CAD）技術(shù)進行肺結(jié)節(jié)檢測分割十分必要,能極大的提高醫(yī)師的診斷效率并進一步提高肺癌診斷的準確率。由于肺結(jié)節(jié)在尺寸、形狀上的多變性以及與肺部血管等組織的相似性。在使用傳統(tǒng)分割方法進行肺結(jié)節(jié)分割時,過于依賴醫(yī)師的先驗知識及主觀判斷,導致容易出現(xiàn)漏分割和過分割的情形。利用深度學習算法的分割過程不再需要人為選擇特征,并且能夠提取到更具體、更有辨識度的信息,將深度學習算法用于醫(yī)學圖像分割現(xiàn)已成為一個重要的研究方向。U-Net網(wǎng)絡(luò)因結(jié)構(gòu)簡單、泛化能力強,已廣泛應(yīng)用于醫(yī)學圖像處理領(lǐng)域。本文基于U-Net模型完成了對肺部CT圖像的... 

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 論文研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的醫(yī)學圖像分割方法
        1.2.2 基于深度學習的醫(yī)學圖像分割方法
        1.2.3 肺結(jié)節(jié)分割方法及難點
    1.3 論文主要工作與結(jié)構(gòu)安排
第二章 深度學習相關(guān)理論簡介
    2.1 人工神經(jīng)網(wǎng)絡(luò)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 Dropout
        2.2.4 損失函數(shù)
        2.2.5 優(yōu)化器
    2.3 全卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 基于RIU-Net的肺結(jié)節(jié)分割方法研究
    3.1 U-Net網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 RIU-Net模型設(shè)計
        3.2.1 規(guī)范化層
        3.2.2 Residual網(wǎng)絡(luò)
        3.2.3 Inception網(wǎng)絡(luò)
        3.2.4 RIU-Net模型
    3.3 肺結(jié)節(jié)分割算法設(shè)計
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 網(wǎng)絡(luò)訓練
    3.4 實驗結(jié)果與分析
        3.4.1 數(shù)據(jù)集介紹
        3.4.2 評價指標
        3.4.3 分割實驗分析
    3.5 本章小結(jié)
第四章 基于RISEU-Net的肺結(jié)節(jié)分割方法研究
    4.1 RISEU-Net模型設(shè)計
        4.1.1 SE模塊
        4.1.2 金字塔池化模塊
        4.1.3 損失函數(shù)的改進
        4.1.4 RISEU-Net模型
    4.2 實驗結(jié)果與分析
        4.2.1 數(shù)據(jù)集介紹
        4.2.2 評價指標
        4.2.3 分割實驗分析
        4.2.4 消融實驗分析
    4.3 本章小結(jié)
第五章 基于3D CNN的肺結(jié)節(jié)假陽性篩查
    5.1 數(shù)據(jù)預(yù)處理
    5.2 肺結(jié)節(jié)假陽性分類模型設(shè)計
    5.3 實驗結(jié)果與分析
        5.3.1 評價指標
        5.3.2 實驗分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻



本文編號：3705412