肺癌是當下對人類生命健康危害最大的惡性腫瘤之一,目前應對肺癌最好的解決方案仍是在肺癌早期發(fā)現(xiàn)并治療。低劑量螺旋CT被認為是肺癌早期篩查最行之有效的方法,但是肺結節(jié)的影像表現(xiàn)形式十分復雜,影像科醫(yī)師在長時間工作后容易產(chǎn)生視覺疲勞,因此難免發(fā)生漏診、誤診等情況。隨著計算機技術尤其是計算機視覺的發(fā)展,計算機輔助診斷被應用于醫(yī)學影像分析以輔助醫(yī)生進行診斷。它可以顯著改善醫(yī)生分析醫(yī)學圖像的質量和效率,但需要手工設計特征,這不僅依賴于人的主觀判斷,也帶來了巨大的工作量。傳統(tǒng)計算機輔助診斷中對肺結節(jié)的分類算法需要手工提取肺結節(jié)的特征,這使得提取出的肺結節(jié)特征也比較單一,算法無法充分地描述肺結節(jié)圖像的特性,進而降低了分類精度。近年來深度卷積網(wǎng)絡迅速發(fā)展,得益于其在圖像處理上的優(yōu)異性能,卷積網(wǎng)絡已經(jīng)成為圖像分類領域的主流算法,并且它不需要手工設計特征。已有相關工作使用的深度卷積架構與卷積網(wǎng)絡理論的現(xiàn)階段發(fā)展存在一定滯后,且已有對肺結節(jié)CT病理圖像分類的算法其分類準確率距離應用尚有改進的空間。因此本文在充分調研卷積網(wǎng)絡理論的基礎上,針對肺結節(jié)分類問題提出使用Inception-ResNet和Condens...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 論文研究背景
    1.2 相關醫(yī)學基礎知識
    1.3 國內外概況和發(fā)展趨勢
        1.3.1 傳統(tǒng)CAD肺結節(jié)分類算法
        1.3.2 深度卷積神經(jīng)網(wǎng)絡及其應用
    1.4 論文研究內容與組織結構
        1.4.1 論文研究內容
        1.4.2 論文組織結構
第2章 深度卷積神經(jīng)網(wǎng)絡
    2.1 卷積神經(jīng)網(wǎng)絡
        2.1.1 卷積層
        2.1.2 激活函數(shù)
        2.1.3 池化層
        2.1.4 全連接層
        2.1.5 損失函數(shù)
        2.1.6 最優(yōu)化
    2.2 Inception-ResNet.簡介
        2.2.1 Inceptionv1、v2和v3
        2.2.2 ResNet
        2.2.3 Inception-ResNet
    2.3 CondenseNet簡介
        2.3.1 DenseNet
        2.3.2 CondenseNet
    2.4 本章小結
第3章 基于Inception-ResNet和CondenseNet的分類優(yōu)化模型
    3.1 注意力機制和3D卷積
        3.1.1 注意力機制
        3.1.2 3D卷積
    3.2 基于Inception-ResNet和CondenseNet的優(yōu)化模型
    3.3 混合卷積神經(jīng)網(wǎng)絡3D-HybridNet
    3.4 本章小結
第4章 實驗與分析
    4.1 實驗環(huán)境與工具
    4.2 實驗數(shù)據(jù)集及預處理
        4.2.1 LIDC/IDRI數(shù)據(jù)集
        4.2.2 預處理
    4.3 實驗參數(shù)
    4.4 評價標準
    4.5 實驗結果與分析
    4.6 本章小結
第5章 總結與展望
    5.1 本文工作總結
    5.2 未來工作展望
附錄
參考文獻
致謝
在讀期間發(fā)表的學術論文與取得的研究成果



本文編號：3903343