【摘要】：肺癌是全球癌癥死亡的主要原因之一,據(jù)統(tǒng)計(jì)每年有160萬(wàn)人死于這種疾病。對(duì)于肺癌患者來(lái)說(shuō),越早發(fā)現(xiàn)其存活率越高。目前,醫(yī)學(xué)領(lǐng)域主要通過(guò)肺部CT掃描圖像來(lái)篩查來(lái)識(shí)別肺癌。隨著深度學(xué)習(xí)的發(fā)展,圖像分類(lèi)、語(yǔ)音生成和游戲等等人類(lèi)任務(wù)到機(jī)器自動(dòng)化的轉(zhuǎn)換成為可能,人工智能在醫(yī)療領(lǐng)域也應(yīng)用越來(lái)越廣泛,目前,深度學(xué)習(xí)已經(jīng)在皮膚癌檢測(cè)和腦腫瘤分割等醫(yī)學(xué)工作中有所應(yīng)用。和傳統(tǒng)的計(jì)算機(jī)視覺(jué)任務(wù)不同,肺癌檢測(cè)存在很多難點(diǎn),主要是因?yàn)?(1)許多結(jié)節(jié)被非醫(yī)學(xué)專(zhuān)家標(biāo)記,這很容易導(dǎo)致大量的誤判。(2)CT掃描得到的肺部圖像是三維結(jié)構(gòu)的,這將使得任何檢測(cè)算法在計(jì)算上成本高昂。(3)正負(fù)樣本嚴(yán)重不平衡使得數(shù)據(jù)缺乏多樣性和驗(yàn)證。因此,肺癌檢測(cè)是一個(gè)值得研究的問(wèn)題。本文針對(duì)肺部的CT掃描圖像,研究了一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的肺癌檢測(cè)與識(shí)別算法,用于輔助醫(yī)生進(jìn)行肺癌的診斷。該算法主要分為三個(gè)部分,圖像預(yù)處理,肺結(jié)節(jié)檢測(cè)與肺癌識(shí)別。在圖像預(yù)處理中,我們主要進(jìn)行了以下步驟,將CT圖像中的灰度值轉(zhuǎn)換為HU值表示,然后是為了統(tǒng)一像素在物理世界對(duì)應(yīng)的尺寸大小,進(jìn)行了像素重采用,接下來(lái)是提取肺部掩碼以獲取CT圖像的肺腔區(qū)域,以便更好的處理,最后進(jìn)行了數(shù)據(jù)的標(biāo)準(zhǔn)化處理,以便更好的適應(yīng)網(wǎng)絡(luò)的輸入要求。在肺結(jié)節(jié)檢測(cè)部分,分為區(qū)域塊劃分,用于解決GPU內(nèi)存不足的問(wèn)題,然后是正負(fù)樣本均衡,為了解決訓(xùn)練數(shù)據(jù)中正負(fù)樣本的不均衡問(wèn)題,在這些基礎(chǔ)之上,構(gòu)建了肺結(jié)節(jié)檢測(cè)網(wǎng)絡(luò),用于檢測(cè)候選結(jié)節(jié)。在肺癌識(shí)別部分,通過(guò)候選肺結(jié)節(jié)篩選,篩選出候選肺結(jié)節(jié)作為輸入,并構(gòu)建了肺癌識(shí)別網(wǎng)絡(luò),該網(wǎng)絡(luò)輸出患者患肺癌的概率。該算法可檢測(cè)疑似結(jié)節(jié),并給出患者患肺癌的概率,前者可以找出疑似結(jié)節(jié)供醫(yī)生參考,后者可以給出肺癌概率的判別,這兩者都可輔助醫(yī)生用于肺癌的診斷。本文針對(duì)所提出的算法進(jìn)行了詳細(xì)的實(shí)驗(yàn),實(shí)驗(yàn)數(shù)據(jù)包括兩部分,一部分是開(kāi)源的Kaggle數(shù)據(jù)集,數(shù)據(jù)集中一共有2285組圖像,包括2359個(gè)肺結(jié)節(jié),其中直徑小于35mm的小結(jié)節(jié)有1186個(gè),直徑小于10mm的結(jié)節(jié)有905個(gè);另一部分是來(lái)自國(guó)內(nèi)多個(gè)醫(yī)院的多中心數(shù)據(jù)集,一共有820例樣本,其中良性樣本有435例,惡性樣本有385例。通過(guò)在上述數(shù)據(jù)集上的實(shí)驗(yàn)的驗(yàn)證,我們的算法模型在肺癌的分類(lèi)上有較高的特異性和敏感度。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：R730.44;R734.2;TP391.41;TP183
【圖文】：

實(shí)際上這是大海撈針問(wèn)題的那個(gè)針。為了確定患者是否患有早期癌癥，首先必須從大型的 3D 肺部 CT 掃描圖像（典型地大約有 200 張 2D 切片圖像）檢測(cè)出存在的微小肺結(jié)節(jié)（對(duì)于早期癌癥，直徑大都小于 10mm）毫米。圖1 1給出了一個(gè)肺部 CT 掃描圖像的例子，一個(gè)患者的肺部 CT 圖像是由一組橫向掃描的切片組成，以展示肺腔的三維結(jié)構(gòu)構(gòu)造。在臨床上，醫(yī)生通過(guò)觀察肺結(jié)節(jié)的形態(tài)結(jié)構(gòu)以初步判斷患者是否患有肺癌，但這一診斷也未必絕對(duì)準(zhǔn)確，只有通過(guò)病理結(jié)果分析即手術(shù)，才能得到絕對(duì)正確的患病結(jié)果。此外，CT 掃描圖像中充滿(mǎn)了來(lái)自周?chē)M織、骨骼和空氣等的噪音，這些噪聲也將影響對(duì)于結(jié)果的判斷。針對(duì)肺部圖像的研究，主要都是開(kāi)發(fā)一種基于圖像的模型，作為輔助觀點(diǎn)

行為來(lái)影響環(huán)境。需要學(xué)習(xí)的是關(guān)于找到使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)所需行為的權(quán)重。根據(jù)問(wèn)題以及神經(jīng)元如何連接，這種行為可能需要一長(zhǎng)串的計(jì)算階段，其中每個(gè)階段通常以非線性方式聚合然后激活網(wǎng)絡(luò)。深度學(xué)習(xí)是許多這樣的階段的準(zhǔn)確分配和組合。圖2 1展示了一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，在該圖中，最左邊的層被稱(chēng)為輸入層，中間的層被稱(chēng)為隱藏層，最右邊的層被稱(chēng)為輸出層，該圖中有三個(gè)輸入神經(jīng)元，三個(gè)隱藏神經(jīng)元，一個(gè)輸出神經(jīng)元，其中，隱藏層還有一個(gè)偏置神經(jīng)元。若用 表示神經(jīng)網(wǎng)絡(luò)的輸入值， 和 表示神經(jīng)網(wǎng)絡(luò)中的參數(shù)和偏置值， 表示神經(jīng)元的輸出值或稱(chēng)為激活值，( )，其中，i表示輸入向量 的第 個(gè)分量

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳武;孫艷麗;席妍;;腫瘤標(biāo)志物水平與肺癌分期、近期療效及生存時(shí)間的相關(guān)性的臨床觀察[J];標(biāo)記免疫分析與臨床;2008年04期

2 支修益;;肺癌篩查[J];解剖與臨床;2013年03期

本文編號(hào)：2724243