肺癌是我國(guó)發(fā)病率和死亡率最高的疾病,近幾年發(fā)病率仍有繼續(xù)增長(zhǎng)的趨勢(shì),嚴(yán)重影響著我國(guó)人民的健康狀況。肺癌早期沒(méi)有明顯的表征,當(dāng)出現(xiàn)病癥時(shí)絕大部分患者都已處于晚期階段,即使花費(fèi)大量的醫(yī)療資源,其預(yù)后的存活率仍然較低。肺癌早期階段在影像學(xué)上主要以結(jié)節(jié)的形式存在。肺癌的早期篩查可及早的發(fā)現(xiàn)病情,以較低的醫(yī)療成本換取病人較高的存活率。因此,早期篩查對(duì)肺癌的治療具有極為重要的意義。本文針對(duì)結(jié)節(jié)的特征以及已有深度學(xué)習(xí)網(wǎng)絡(luò)的缺點(diǎn),以研究高精度肺結(jié)節(jié)分割算法為研究目標(biāo)提出新的肺結(jié)節(jié)分割模型,并使用LIDC-IDRI肺結(jié)節(jié)公開(kāi)數(shù)據(jù)集中不同類型的肺結(jié)節(jié)來(lái)驗(yàn)證模型的分割性能。主要內(nèi)容如下:(1)提出了肺部CT圖像預(yù)處理方式。首先將原始圖像使用高斯濾波和中值濾波對(duì)圖像去噪,并將圖像分為訓(xùn)練集和驗(yàn)證集,并使用平移、鏡像、旋轉(zhuǎn)、縮放等方法對(duì)訓(xùn)練集進(jìn)行增廣,根據(jù)XML文件結(jié)構(gòu)及讀取原理提取專家標(biāo)注的結(jié)節(jié)輪廓,為后續(xù)的實(shí)驗(yàn)提供實(shí)驗(yàn)數(shù)據(jù)。其次針對(duì)CT圖像的特征使用圖像標(biāo)準(zhǔn)化、K-Means算法、形態(tài)學(xué)操作等一系列算法獲取肺實(shí)質(zhì)Mask,并利用肺實(shí)質(zhì)Mask獲取完整的肺實(shí)質(zhì)區(qū)域。(2)針對(duì)U-Net及其變形的肺結(jié)節(jié)分割算法...

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于閾值的分割方法
        1.2.2 基于邊緣的分割方法
        1.2.3 基于區(qū)域的分割方法
        1.2.4 基于模板匹配的分割方法
        1.2.5 基于活動(dòng)輪廓的分割方法
        1.2.6 基于深度學(xué)習(xí)的分割方法
    1.3 本論文的主要研究?jī)?nèi)容
第2章 CT圖像原理及肺結(jié)節(jié)基礎(chǔ)
    2.1 CT成像原理
    2.2 DICOM標(biāo)準(zhǔn)簡(jiǎn)介
    2.3 肺結(jié)節(jié)特征及分類
    2.4 實(shí)驗(yàn)數(shù)據(jù)集
    2.5 肺部結(jié)節(jié)信息的獲取
    2.6 本章小結(jié)
第3章 肺部CT圖像預(yù)處理及肺實(shí)質(zhì)分割算法研究
    3.1 概述
    3.2 圖像噪聲及濾波
        3.2.1 圖像噪聲的定義及類型
        3.2.2 圖像濾波方法
    3.3 肺實(shí)質(zhì)提取
        3.3.1 圖像標(biāo)準(zhǔn)化
        3.3.2 使用K-Means算法提取肺實(shí)質(zhì)Mask
        3.3.3 圖形學(xué)處理
    3.4 肺實(shí)質(zhì)分割結(jié)果
    3.5 本章小結(jié)
第4章 基于ResWnet的肺結(jié)節(jié)分割方法研究
    4.1 目前算法存在的問(wèn)題
    4.2 提出的方法
        4.2.1 ResWnet網(wǎng)絡(luò)
        4.2.2 改進(jìn)的殘差塊
        4.2.3 圖像金字塔
        4.2.4 圖像融合
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 評(píng)價(jià)標(biāo)準(zhǔn)
        4.3.2 實(shí)驗(yàn)環(huán)境
        4.3.3 消融實(shí)驗(yàn)
        4.3.4 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第5章 基于ResBlocknet的肺結(jié)節(jié)分割方法研究
    5.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.1.1 Blocknet網(wǎng)絡(luò)
        5.1.2 改進(jìn)的殘差模塊
        5.1.3 融合1 模塊
        5.1.4 融合2 模塊
    5.2 消融實(shí)驗(yàn)
    5.3 對(duì)不同種類肺結(jié)節(jié)分割結(jié)果的分析
        5.3.1 孤立型結(jié)節(jié)分割效果分析
        5.3.2 粘連肺壁型結(jié)節(jié)分割效果
        5.3.3 血管粘連型結(jié)節(jié)分割效果
        5.3.4 磨玻璃型結(jié)節(jié)分割效果
    5.4 同一CT圖像含多個(gè)結(jié)節(jié)分割的魯棒性檢驗(yàn)
    5.5 與其他方法的對(duì)比
    5.6 本章小結(jié)
總結(jié)與展望
    論文總結(jié)
    研究展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間發(fā)表論文與研究成果



本文編號(hào)：3768479