【摘要】：在全世界范圍內,肺部疾病已經(jīng)嚴重威脅到人們的生活、學習和工作。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現(xiàn)盡早發(fā)現(xiàn)、精確診斷和精準治療。而肺部疾病的一項顯著特征就是孤立性肺部結節(jié)的產生,因此如何進行孤立性肺結節(jié)的檢測成為當前重要的研究方向。2016年,中國衛(wèi)計委和流行病學專家通過調研發(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)生花費大量時間進行閱讀,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)生不能夠準確判斷這些微小的病灶,患者的診斷結果就不能得到保證。因此采用計算機輔助醫(yī)生進行檢測診斷,能夠大幅度減少醫(yī)生診斷的工作量,幫助醫(yī)生得出精準的診斷結果。本文以常規(guī)醫(yī)學影像為研究對象,探索利用計算機輔助手段準確檢測肺結節(jié)的方法,并在前期實驗的基礎上實現(xiàn)一個肺結節(jié)輔助檢測系統(tǒng)。在此過程中通過閱讀針對肺部結節(jié)進行分析與檢測的相關文獻,了解不同結節(jié)的檢測方法與研究狀況,針對現(xiàn)有方法進行比較與分析,提出一種基于深度學習的肺部結節(jié)檢測方法,并以此種方法為基礎,設計開發(fā)一個肺結節(jié)輔助檢測系統(tǒng)。該系統(tǒng)實現(xiàn)讀取與顯示CT信息、整肺初步分割、提取ROI區(qū)域、顯示結節(jié)區(qū)域等四項基本功能。
【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節(jié)在類型上的檢測結果表現(xiàn)不一［３Ｄ］，本文主要研[側綰握攵怨鋁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唬孔遠兄刀�？化邋一一？进袖\漲湓耍隋義涎赸運算邐＜——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行提取，本文使用Ｋ均值算法進行聚類逡逑運算。聚類算法的核心也是通過多次迭代獲取多種特征點或邊緣，從而將獲取到的邊界點作為標逡逑準點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現(xiàn)：逡逑（１）

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

【參考文獻】

相關期刊論文 前9條

1 付晶;梁宗安;;肺結節(jié)病的診療新進展[J];實用醫(yī)院臨床雜志;2015年01期

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

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

4 王青竹;康文煒;王斌;;三維隱SVM算法設計及在胸CT圖像病灶檢測中的應用[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)療設備;2011年03期

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

7 李彬;田聯(lián)房;歐陜興;;惡性肺結節(jié)早期診斷智能識別相關技術綜述[J];生物醫(yī)學工程學雜志;2009年05期

8 顧曉暉;馬曉宇;陳卉;;LIDC中肺結節(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圖像快速肺實質分割算法[J];計算機工程與應用;2008年12期

相關碩士學位論文 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;2014年

2 王娜娜;肺部CT圖像分割技術研究[D];中北大學;2013年

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

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

，

本文編號：2687211