肺癌是對人類生命健康威脅最大的惡性腫瘤之一,人們希望通過盡早診斷來降低肺癌患者的死亡率。而計算機斷層掃描成像（computed tomography,CT）是現(xiàn)代醫(yī)學中診治肺癌的主要手段之一。但一張肺部CT影像的像素往往達到了百萬級,其中用于判斷是否患肺癌的腫瘤結節(jié)卻僅僅只有十幾像素,這使得早期肺癌診斷面臨著極大的困難。計算機輔助診斷（Computer Aided Diagnosis,CAD）將CT圖像中提取的肺部區(qū)域的結構特征作為“第二項意見”（secondopinion）,用以輔助醫(yī)師判斷患者的肺結節(jié)的良惡性,對早期肺癌的篩查有著重要的臨床指導意義。目前,對肺癌領域CAD的研究大多仍停留在人工定義結節(jié)特征的階段。本文擬采用改進的卷積神經網絡模型（Convolutional Neural Networks,CNN）對肺部CT片進行良惡性診斷,主要進行了四個方面的工作:（1）系統(tǒng)的分析了當前計算機輔助診斷以及卷積神經網絡這兩個技術領域在國內外的研究動態(tài),闡明現(xiàn)有技術存在的可改進之處和本文的實現(xiàn)意義所在。（2）研究了醫(yī)學影像獨有的DICOM格式的數據文件,對實驗樣本的影像信息進行描述分析... 

【文章來源】：中南財經政法大學湖北省 211工程院校 教育部直屬院校

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１－１常見肺部ＣＡＤ流程圖??ＣＡＤ在早期肺癌的臨床上的實際應用效果還差強人意

第一章引言別領域進軍［３氣２０１５年，Ｆａｒｆａｄｅ等人設計出一種無需標注面部姿勢的經網絡，在提高模型效率的同時驗證其性能優(yōu)于傳統(tǒng)方法。Ｇｏｏｇｌｅ研發(fā)神經網絡的圍棋人工智能“阿爾法狗（ＡｌｐｈａＧｏ）?”在２０１６年３月的“圍棋擊敗了職業(yè)九段棋手李世石，２０１７年５月又在中國烏鎮(zhèn)圍棋峰會上擊敗冠軍柯潔［３２］。圖１－２對上述卷積神經網發(fā)展歷史中的里程碑事件進行了卷積神經網絡強大的特征提取能力和擬生物結構不僅迎合了時代的需求，了時下圖像識別領域的研宄熱點。??ＢＰ霖法ＩｍａｇｅＮｅｔ?

醫(yī)學影像技術主要包括有ＣＴ、ＣＲ、ＭＲＩ等等，并且成像時會經由放射科技師進??行調參和處理，成片后再交由診斷醫(yī)師進行判讀。ＣＴ成像作為一種常用的肺癌普查??的放射醫(yī)學手段，其實質如圖２－１所示：Ｙ射線照射人體器官后，因為人體各組織部??位的結構、密度等差異導致了穿透不同部位的ｉ射線量存在區(qū)別；穿透人體的射線??產生的光信號通過探測器和模擬／數字轉換器（ＡＤＣ，Ａｎａｌｏｇ－ｔｏ－Ｄｉｇｉｔａｌ?Ｃｏｎｖｅｒｔｅｒ）?０１實??現(xiàn)向電信號、數字信號的轉換［４２ｉ，最后由計算機處理后得到重建的人體內部器官的黑??白影像。??Ｔ＼?［＞＾＞｜?丨門／＃??ｘ光—１卜—Ｉ?丫?——電信號—?一數字信號’像＿＋＿??．一＂一：：，／?Ａ．?＇?‘?Ｊ??Ｕ?Ｕ?沒習．?梭擬／數ｆ：轉換器?計钚機?肺部ＣＴ??ａｎａｌｏ＾ｄｉｇｉｔａ］?ｃｏｎｖｅｒｔｅｒ??圖２－１?ＣＴ成像流程??若假設Ｙ射線照射某物質時有入射強度為Ｓｉｎ，穿透該均勻物質后其強度因部分??光子被介質吸收而衰減為Ｓ。＾則可定義８？，與Ｓｕｕｔ之間的關系為：??Ｓｏｕｔ＝Ｓｉｎ．ｅ?一?（２－１）??公式（２－１）中的Ａ表示該物質對應Ｚ射線的衰減系數，Ａｄ表示Ｘ射線在物質??中所經過的距離長度。Ｘ射線穿透ｎ個衰減系數不同的物質時，Ｓｉｎ與Ｓｏｍ之間由（２－１）??式變形為（２－２）的形式。??Ｓ０Ｕｔ＝Ｓｉｎ．（ｅｆ

【參考文獻】：
期刊論文
[1]一種移動式TensorFlow平臺的卷積神經網絡設計方法[J]. 李河偉.  電腦知識與技術. 2017(22)
[2]基于深度學習和醫(yī)學圖像的癌癥計算機輔助診斷研究進展[J]. 陳詩慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升.  生物醫(yī)學工程學雜志. 2017(02)
[3]基于區(qū)域信息的深度卷積神經網絡研究綜述[J]. 曹鈺.  電子世界. 2017(06)
[4]基于改進的卷積神經網絡的圖像分類性能[J]. 常祥,楊明.  重慶理工大學學報(自然科學). 2017(03)
[5]卷積神經網絡的研究及應用分析[J]. 史曉霞,譚立輝.  電腦編程技巧與維護. 2017(03)
[6]卷積神經網絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[7]計算機輔助診斷在醫(yī)學影像診斷中的基本原理和應用進展[J]. 高歌,馬帥,王霄英.  放射學實踐. 2016(12)
[8]SVM訓練數據歸一化研究[J]. 湯榮志,段會川,孫海濤.  山東師范大學學報(自然科學版). 2016(04)
[9]機器學習在腫瘤早期診斷與預后預測中的應用[J]. 施維,薛均,潘璀然,任元凱,倪正杰,張遠鵬,王理,吳輝群,蔣葵,董建成.  醫(yī)學信息學雜志. 2016(11)
[10]深度學習及其在醫(yī)學圖像分析中的應用研究[J]. 王媛媛,周濤,吳翠穎.  電視技術. 2016(10)

博士論文
[1]集成學習中若干關鍵問題的研究[D]. 王清.復旦大學 2011
[2]基于CT影像的早期肺癌計算機輔助診斷關鍵技術研究[D]. 于洋.東北大學 2009

碩士論文
[1]卷積神經網絡在圖像識別上的應用的研究[D]. 許可.浙江大學 2012



本文編號：3537837