【摘要】：在全世界范圍內(nèi),肺部疾病已經(jīng)嚴(yán)重威脅到人們的生活、學(xué)習(xí)和工作。針對這一問題,能夠最有效提高肺癌患者生存率的辦法就是實(shí)現(xiàn)盡早發(fā)現(xiàn)、精確診斷和精準(zhǔn)治療。而肺部疾病的一項(xiàng)顯著特征就是孤立性肺部結(jié)節(jié)的產(chǎn)生,因此如何進(jìn)行孤立性肺結(jié)節(jié)的檢測成為當(dāng)前重要的研究方向。2016年,中國衛(wèi)計委和流行病學(xué)專家通過調(diào)研發(fā)現(xiàn),醫(yī)院接診的肺部疾病案例正在逐年攀升。中國目前正處于肺部疾病的高發(fā)時期,同時隨著CT技術(shù)的不斷發(fā)展,醫(yī)生的診斷效率也得到了很大的提升。然而傳統(tǒng)的CT數(shù)據(jù)信息量較大,需要專業(yè)醫(yī)生花費(fèi)大量時間進(jìn)行閱讀,但龐大的數(shù)據(jù)量下又存在許多肉眼難以發(fā)現(xiàn)的病灶,假若醫(yī)生不能夠準(zhǔn)確判斷這些微小的病灶,患者的診斷結(jié)果就不能得到保證。因此采用計算機(jī)輔助醫(yī)生進(jìn)行檢測診斷,能夠大幅度減少醫(yī)生診斷的工作量,幫助醫(yī)生得出精準(zhǔn)的診斷結(jié)果。本文以常規(guī)醫(yī)學(xué)影像為研究對象,探索利用計算機(jī)輔助手段準(zhǔn)確檢測肺結(jié)節(jié)的方法,并在前期實(shí)驗(yàn)的基礎(chǔ)上實(shí)現(xiàn)一個肺結(jié)節(jié)輔助檢測系統(tǒng)。在此過程中通過閱讀針對肺部結(jié)節(jié)進(jìn)行分析與檢測的相關(guān)文獻(xiàn),了解不同結(jié)節(jié)的檢測方法與研究狀況,針對現(xiàn)有方法進(jìn)行比較與分析,提出一種基于深度學(xué)習(xí)的肺部結(jié)節(jié)檢測方法,并以此種方法為基礎(chǔ),設(shè)計開發(fā)一個肺結(jié)節(jié)輔助檢測系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)讀取與顯示CT信息、整肺初步分割、提取ROI區(qū)域、顯示結(jié)節(jié)區(qū)域等四項(xiàng)基本功能。
【圖文】：

這種操作可以提氋檢測速度。逡逑不同的算法針對不同的結(jié)節(jié)在類型上的檢測結(jié)果表現(xiàn)不一［３Ｄ］，本文主要研[側(cè)綰握攵怨鋁⑿藻義戲謂嶠誚屑觳�，整肺分割的緡撳流程壤_跡玻菜盡ｅ義香兄笛∪″我�？获取原售E茫醞箋誨澹�？走h(yuǎn)兄刀�？化邋一一？进袖\漲湓耍隋義涎赸運(yùn)算邐＜——邐獲取整肺投板邐４—邐孔洞填充逡逑圖２－２整肺分割的具體流程逡逑對肺部ＣＴ圖像的處理，需要基于２．邋３．１節(jié)的步驟進(jìn)行自動閾值選取。首先需要提取出整肺，逡逑整肺的提取需要借鑒聚類的方法對肺部邊緣的特征值來進(jìn)行提取，本文使用Ｋ均值算法進(jìn)行聚類逡逑運(yùn)算。聚類算法的核心也是通過多次迭代獲取多種特征點(diǎn)或邊緣，從而將獲取到的邊界點(diǎn)作為標(biāo)逡逑準(zhǔn)點(diǎn)來提取出肺部的邊緣。逡逑Ｋ均值分割整肺通過以下基本過程來實(shí)現(xiàn)：逡逑（１）

一閱值選取
【學(xué)位授予單位】：寧夏大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP183;R734.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 付晶;梁宗安;;肺結(jié)節(jié)病的診療新進(jìn)展[J];實(shí)用醫(yī)院臨床雜志;2015年01期

2 姚曉軍;劉倫旭;;肺癌的流行病學(xué)及治療現(xiàn)狀[J];現(xiàn)代腫瘤醫(yī)學(xué);2014年08期

3 景少玲;葉鴻瑾;白靜;;小波閾值去噪聯(lián)合數(shù)學(xué)形態(tài)學(xué)的肺部圖像邊緣檢測[J];計算機(jī)應(yīng)用與軟件;2013年11期

4 王青竹;康文煒;王斌;;三維隱SVM算法設(shè)計及在胸CT圖像病灶檢測中的應(yīng)用[J];模式識別與人工智能;2013年05期

5 梁洪;李金;;一種肺部CT圖像快速分割算法研究[J];中國醫(yī)療設(shè)備;2011年03期

6 李彬;歐陜興;田聯(lián)房;齊燕;劉思偉;張婧;;肺結(jié)節(jié)計算機(jī)輔助檢測與定位系統(tǒng)[J];計算機(jī)應(yīng)用研究;2010年06期

7 李彬;田聯(lián)房;歐陜興;;惡性肺結(jié)節(jié)早期診斷智能識別相關(guān)技術(shù)綜述[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年05期

8 顧曉暉;馬曉宇;陳卉;;LIDC中肺結(jié)節(jié)注釋信息的提取及數(shù)據(jù)庫的建立[J];數(shù)理醫(yī)藥學(xué)雜志;2009年02期

9 曹蕾;占杰;余曉鍔;陳武凡;;基于自動閾值的CT圖像快速肺實(shí)質(zhì)分割算法[J];計算機(jī)工程與應(yīng)用;2008年12期

相關(guān)碩士學(xué)位論文 前4條

1 肖小龍;基于區(qū)域的圖像分割及視覺顯著性檢測算法研究[D];華東理工大學(xué);2014年

2 王娜娜;肺部CT圖像分割技術(shù)研究[D];中北大學(xué);2013年

3 李越;基于形態(tài)學(xué)及灰度熵的肺結(jié)節(jié)檢測算法[D];北京交通大學(xué);2011年

4 李慶玲;CT圖像肺結(jié)節(jié)自動檢測算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2010年

，

本文編號：2687211