X光是目前診斷肺部疾病最常用的手段之一。相比較于CT,其擁有輻射小,價(jià)格低廉等特點(diǎn)。然而,處理醫(yī)院每日產(chǎn)生的胸片卻耗費(fèi)了放射科醫(yī)生大量的精力,如何高效且準(zhǔn)確地處理這些數(shù)據(jù)仍然是一個(gè)問(wèn)題。得益于近些年來(lái)計(jì)算機(jī)技術(shù)以及相關(guān)圖像處理技術(shù)的飛速發(fā)展,計(jì)算機(jī)輔助診斷技術(shù)逐漸成為協(xié)助醫(yī)生診斷疾病的有力工具。為提升計(jì)算機(jī)輔助診斷系統(tǒng)對(duì)肺部疾病篩查的性能,本文圍繞深度學(xué)習(xí)技術(shù)在肺部疾病篩查中的應(yīng)用進(jìn)行了研究。本文研究的主要內(nèi)容如下:（1）本文提出了一種具有先驗(yàn)感知機(jī)制的神經(jīng)網(wǎng)絡(luò)模型對(duì)肺野區(qū)域進(jìn)行分割。模型首先針對(duì)U-Net網(wǎng)絡(luò)中的不足進(jìn)行了改進(jìn)。為使得神經(jīng)網(wǎng)絡(luò)能夠有效地融合領(lǐng)域的先驗(yàn)知識(shí),本文提出了兩種不同的生成先驗(yàn)圖方案以輔助模型對(duì)胸片圖像進(jìn)行分割。此外,為解決樣本變化造成的先驗(yàn)圖不匹配問(wèn)題,模型采用了空域變換網(wǎng)絡(luò)對(duì)先驗(yàn)圖進(jìn)行矯正以適配不同樣本。模型的性能在JSRT數(shù)據(jù)集上進(jìn)行了評(píng)估。實(shí)驗(yàn)結(jié)果表明,本文提出的模型相比于基礎(chǔ)網(wǎng)絡(luò)模型Dice系數(shù)提升了0.8%,且訓(xùn)練速度更快。（2）本文提出了一種具有相對(duì)距離敏感特性的神經(jīng)網(wǎng)絡(luò)對(duì)多種肺部疾病進(jìn)行分類(lèi)。在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)當(dāng)中,距離信息會(huì)隨著網(wǎng)絡(luò)加深而逐漸... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
        1.2.2 神經(jīng)網(wǎng)絡(luò)在胸片上的應(yīng)用
    1.3 論文的主要研究?jī)?nèi)容
    1.4 論文的組織架構(gòu)
第2章 理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 反向傳播
    2.2 新型神經(jīng)網(wǎng)絡(luò)架構(gòu)
        2.2.1 ResNet
        2.2.2 DenseNet
    2.3 神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像中的應(yīng)用
        2.3.1 遷移學(xué)習(xí)
        2.3.2 神經(jīng)網(wǎng)絡(luò)的解釋性
    2.4 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的肺野分割算法研究
    3.1 JSRT數(shù)據(jù)集
    3.2 圖像分割
        3.2.1 全卷積神經(jīng)網(wǎng)絡(luò)
        3.2.2 U-Net
    3.3 先驗(yàn)感知的肺野分割模型
        3.3.1 先驗(yàn)圖的生成
        3.3.2 空間變換模塊
        3.3.3 網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 實(shí)驗(yàn)分析與結(jié)果討論
        3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.2 評(píng)價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
        3.4.4 少量樣本下的性能對(duì)比
    3.5 本章小節(jié)
第4章 基于相對(duì)距離敏感的稠密神經(jīng)網(wǎng)絡(luò)的肺部疾病分類(lèi)研究
    4.1 ChestX-ray14數(shù)據(jù)集
    4.2 相對(duì)距離特征的表達(dá)
        4.2.1 位置信息在神經(jīng)網(wǎng)絡(luò)中的表達(dá)
        4.2.2 相對(duì)位置特征的構(gòu)建
    4.3 實(shí)驗(yàn)分析與結(jié)果討論
        4.3.1 實(shí)驗(yàn)參數(shù)設(shè)置
        4.3.2 評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果分析
        4.3.4 消融實(shí)驗(yàn)
        4.3.5 模型可視化
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文研究工作總結(jié)
    5.2 未來(lái)研究展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果



本文編號(hào)：3657679