肺癌是世界上最常見的惡性腫瘤,由于其高致死率,被列為癌癥第一殺手。它的早期發(fā)現(xiàn)和治療能夠大大提高患者的存活率和生活質(zhì)量。通常,由于肺癌的早期表現(xiàn)形式是肺結(jié)節(jié),因而肺結(jié)節(jié)的早期檢測診斷對肺癌的早期治療十分重要。X光胸片是最常用的影像診斷技術(shù)之一。由于不同器官組織吸收X射線能力不同,從而能獲得胸部不同組織的投影圖像。X光胸片成像花費低,放射劑量小,并且能夠顯示特定的病理結(jié)構(gòu)等優(yōu)點,臨床上常被用于肺部疾病診斷。然而肺結(jié)節(jié)因其大小不同、灰度的多變性、被肋骨鎖骨的遮擋等問題,容易導致X光胸片肺結(jié)節(jié)檢測的失敗。因此,改進X光胸片肺結(jié)節(jié)檢測方法,準確檢測肺結(jié)節(jié)近年來已成為一個活躍的研究領(lǐng)域。隨著影像技術(shù)的發(fā)展,CT成像也逐漸成為診斷疾病使用最多的影像篩查方式之一。目前,薄層螺旋胸部CT影像已實現(xiàn)亞毫米級分辨率,對發(fā)現(xiàn)小結(jié)節(jié)和隱藏部位結(jié)節(jié)有較高的靈敏度。但是,由于CT影像的大量切片,而肺部有豐富血管和氣道結(jié)構(gòu),使得診斷變得更加復雜,假陽性率也更高。由于傳統(tǒng)的人工胸部影像診斷胸部疾病有工作量大、閱片周期長、主觀性強等缺點,因而需要快速、準確、可重復性強的肺結(jié)節(jié)計算機輔助診斷系統(tǒng)來協(xié)助醫(yī)生診斷疾病。本文針對以上問題,結(jié)合國內(nèi)外大量的相關(guān)文獻,對胸部影像(X光胸片和CT)的肺結(jié)節(jié)計算機輔助診斷分析做了系統(tǒng)的研究工作,主要的貢獻和創(chuàng)新包括:(1)提出基于深度特征融合的X光胸片肺結(jié)節(jié)分類方法在這個算法中,基于廣義的LoG算法檢測X光胸片中的肺結(jié)節(jié),利用深度學習方法對疑似肺結(jié)節(jié)提取高級特征,融合已有的經(jīng)典手動特征,對疑似肺結(jié)節(jié)區(qū)域進行分類。在公開的數(shù)據(jù)集JSRT上,本文的實驗結(jié)果可以得到較高的靈敏性0.692。(2)提出一種基于遷移學習和卷積稀疏降噪自編碼混合模型的胸部病變檢測篩選分級診療方法為了分類X光胸片圖像水平,本文融合了卷積神經(jīng)網(wǎng)絡分類器的概率置信度和卷積稀疏降噪自編碼的重構(gòu)誤差,獲得相應的得分函數(shù)。最后,采用集成投票的方式來確定圖像的分類級別。實驗表明該方法可以較高精度將X光胸片分為病變、正常和不確定三種類別。這樣能夠使得放射科醫(yī)生將注意力集中在高風險的胸片上,還可以幫助他們糾正潛在的誤診。結(jié)果表明,我們的算法在正常樣本上可達到準確率0.9,召回率0.9,F1 0.91;在異常樣本上可得到準確率0.7,召回率0.74,F1為0.72。與真實標簽比較,在正常樣本上準確率可以達到0.99(390/395),在異常樣本上準確率可以達到0.94(83/88)。(3)提出一種基于深度回歸的標記點檢測方法如何精確定位肋骨位置,是骨抑制的關(guān)鍵。本文基于主動形狀模型,提出一種深度回歸的標記點檢測方法,來精確確定肋骨采樣點,從而使得主動形狀模型能夠精確確定肋骨的位置。實驗結(jié)果表明,測試集上我們的方法可以得到一個平均IoU為0.76,平均Dice系數(shù)為0.83的較好結(jié)果。(4)提出一種3D深度網(wǎng)絡的CT肺結(jié)節(jié)檢測與分類方法本文提出一種類似3D U-net分割方法來檢測肺結(jié)節(jié)區(qū)域,然后基于檢測到的疑似肺結(jié)節(jié)區(qū)域,提取疑似區(qū)域多尺度融合的金字塔特征對肺結(jié)節(jié)進行分類。與其他方法結(jié)果相比,我們采用了3D的空間信息和多尺度信息,在靈敏性上可得到一個較好的結(jié)果。
【學位單位】：中國科學院大學(中國科學院深圳先進技術(shù)研究院)
【學位級別】：博士
【學位年份】：2018
【中圖分類】：R734.2
【部分圖文】：

都是體檢中肺結(jié)節(jié)篩查的常用工具。X 光胸片具有費用低廉，且輻射劑量相對小，但也存在空間分辨率低、解剖部位重疊等缺點，光胸片不同，CT 為橫斷面圖像，提供更多的空位結(jié)節(jié)的診斷具有較高的靈敏度，但同時其假陽年增多，每天有大量疑似肺癌患者肺部影像，面斷肺結(jié)節(jié)的缺點是耗時長，效率低，主觀性大。展，計算機輔助診斷一方面能夠減輕醫(yī)生的工作大大提高診斷效率，降低誤診率。2.2 X 光胸片肺結(jié)節(jié)的臨床背景2.2.1 X 光胸片的影像下圖顯示的是經(jīng)典的 X 光胸片的后前位圖像1

圖 2.2 后前位胸片肺區(qū)域的可視和隱藏區(qū)域肺結(jié)節(jié)圖像分析難點胸片肺結(jié)節(jié)檢測效果的因素有很多，比如肺結(jié)節(jié)形態(tài)度變化、與周圍組織有較低的對比度。此外，結(jié)節(jié)可易被肋骨，縱膈和隔膜下的結(jié)構(gòu)遮擋。這都給 X 光胸系統(tǒng)帶來極大的挑戰(zhàn)。的肺結(jié)節(jié)計算機輔助診斷的研究現(xiàn)狀分析節(jié)計算機輔助診斷系統(tǒng)，首先需要對肺部區(qū)域分割，動的提取感興趣區(qū)域，再利用特征提取和模式識別的肺結(jié)節(jié)的計算機輔助診斷系統(tǒng)需要分四步：肺區(qū)域分，特征提取和選擇，分類識別，如下圖 2.3 所示。隱藏區(qū)域

肺結(jié)節(jié)形狀多變、大小多不相同，并且其密度與肺部某些組織類似，在 X 光胸片中通常表現(xiàn)為圓形或類圓形的致密影，單單僅憑人眼很難將肺結(jié)節(jié)和肺部軟組織區(qū)分開。長期以來，肺部結(jié)節(jié)的自動檢測算法研究一直都是醫(yī)學圖像計算機輔助診斷領(lǐng)域的一個難點和熱點。目前，對肺部影像診斷技術(shù)的研究主要集中在美國、日本和德國的一些大學和科研機構(gòu)，還有一些大的跨國公司，如通用電氣、飛利浦、西門子等。隨著人工智能技術(shù)的發(fā)展，依托于騰訊公司建設(shè)醫(yī)療影像國家新一代人工智能開放創(chuàng)新平臺的建立，騰訊覓影項目開了肺結(jié)節(jié)早癌篩查的AI 技術(shù)助力智能醫(yī)療。此外，還有許多初創(chuàng)公司也投入到智能醫(yī)療領(lǐng)域。肺區(qū)域分割是肺結(jié)節(jié)計算機輔助診斷系統(tǒng)的一個重要組成部分，主要是將胸片中的肺區(qū)域從其他組織分割出來。肺區(qū)域分割的準確與否，直接影響后續(xù)的病灶區(qū)域的提取和分類的效果。對于肺區(qū)域的分割，基于規(guī)則推理是比較主流的分割方法，根據(jù)先驗知識來指導分割�；谝�(guī)則推理的方法有閾值分割法，形態(tài)學濾波法、區(qū)域增長法、幾何模型匹配法、邊緣檢測法、山脊檢測法、動態(tài)模板匹

【相似文獻】

相關(guān)期刊論文 前10條

1 楊舒程;高上蘭;賈惠;;Ⅱ、Ⅲ、Ⅳ級肺結(jié)節(jié)病各一例[J];中華肺部疾病雜志(電子版);2017年01期

2 孫慧男;韓志海;;肺結(jié)節(jié)病的影像學表現(xiàn)[J];中國臨床醫(yī)生雜志;2017年10期

3 江文洋;陳蕾;范國華;康敢軍;黃杰;;肺結(jié)節(jié)病的研究進展[J];實用醫(yī)學雜志;2015年09期

4 周艷秋;田穎;吳迪;張楠;周云芝;王洪武;;巨噬細胞衍生趨化因子與肺結(jié)節(jié)病的相關(guān)性研究[J];中華臨床醫(yī)師雜志(電子版);2012年09期

5 趙明棟;夏偉;;肺結(jié)節(jié)病1例診治分析[J];中華肺部疾病雜志(電子版);2012年03期

6 周艷秋;田穎;山口悅朗;張楠;管潔;周云芝;王洪武;;巨噬細胞衍生趨化因子啟動區(qū)內(nèi)基因多態(tài)性和肺結(jié)節(jié)病的相關(guān)性研究[J];中華臨床醫(yī)師雜志(電子版);2012年24期

7 解艷麗;解衛(wèi)平;顏萍;黃茂;沈平;;肺結(jié)節(jié)病患者不同時期肺功能變化研究[J];臨床肺科雜志;2011年05期

8 鐘亞花;周燕娟;黃剛;;肺結(jié)節(jié)病誤診原因分析[J];臨床肺科雜志;2011年05期

9 張蕾;王中林;汪潛云;;電視縱隔鏡在肺結(jié)節(jié)病32例診斷中的應用價值[J];交通醫(yī)學;2010年02期

10 張仙珍;盧秋平;;肺結(jié)節(jié)病患者臨床表現(xiàn)和預后的匯總分析[J];臨床醫(yī)藥實踐;2010年21期

相關(guān)會議論文 前10條

1 陸志偉;黃慧;張堅;徐作軍;;纖維支氣管鏡檢查在肺結(jié)節(jié)病診斷中的價值[A];中華醫(yī)學會第三屆全國間質(zhì)性肺病暨彌漫性泛細支氣管炎學術(shù)會議論文匯編[C];2010年

2 葉秋月;許文兵;劉曉清;張麗帆;;肺結(jié)節(jié)病與肺結(jié)核鑒別診斷的臨床分析[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術(shù)會議）論文匯編[C];2011年

3 姜偉;;肺結(jié)節(jié)病誤診為肺癌一例診治體會[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術(shù)會議）論文匯編[C];2011年

4 翁芳明;;16層螺旋CT在肺結(jié)節(jié)診斷中的應用[A];2016年《中國醫(yī)院藥學雜志》學術(shù)年會論文集[C];2016年

5 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現(xiàn)的胸膜肺結(jié)節(jié)病三例報告并文獻復習[A];中華醫(yī)學會第三屆全國間質(zhì)性肺病暨彌漫性泛細支氣管炎學術(shù)會議論文匯編[C];2010年

6 鄧笑偉;王紅利;;肺結(jié)節(jié)病誤診肺轉(zhuǎn)移瘤1例分析[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術(shù)會議）論文匯編[C];2011年

7 殷芳;宋寧靜;陳佳;章楚光;樂嘉豫;;以四肢結(jié)節(jié)為首發(fā)的皮膚-肺結(jié)節(jié)病1例[A];2012全國中西醫(yī)結(jié)合皮膚性病學術(shù)會議論文匯編[C];2012年

8 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現(xiàn)的胸膜肺結(jié)節(jié)病3例報告并文獻復習[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術(shù)會議）論文匯編[C];2011年

9 劉敬禹;李博;裴奇;李振華;;肺結(jié)節(jié)病患者ADAM9低表達水平的研究[A];中華醫(yī)學會呼吸病學年會——2011（第十二次全國呼吸病學學術(shù)會議）論文匯編[C];2011年

10 金兒;王利民;夏俊波;陳灝;任振義;;胸部X線攝影術(shù)和HRCT診斷肺結(jié)節(jié)病的對比分析[A];2012年浙江省內(nèi)科學年會論文集[C];2012年

相關(guān)重要報紙文章 前2條

1 阿勝;治療原則“吐故納新”[N];醫(yī)藥經(jīng)濟報;2002年

2 常平;用愛心換取病人的放心[N];海南農(nóng)墾報;2007年

相關(guān)博士學位論文 前3條

1 王昌淼;基于胸部影像的肺結(jié)節(jié)檢測與分類關(guān)鍵技術(shù)研究[D];中國科學院大學(中國科學院深圳先進技術(shù)研究院);2018年

2 邱實;基于格式塔原理的CT圖像肺結(jié)節(jié)檢測與分析算法[D];中國科學院大學(中國科學院西安光學精密機械研究所);2016年

3 劉佳寶;CT肺結(jié)節(jié)診斷的計算機輔助系統(tǒng)研究[D];首都醫(yī)科大學;2017年

相關(guān)碩士學位論文 前10條

1 吳杰芳;深度卷積網(wǎng)絡骨抑制成像（deepBSI）與多種影像方法對肺結(jié)節(jié)診斷效能的臨床研究[D];南方醫(yī)科大學;2018年

2 楊凱強;基于深度學習算法對肺結(jié)節(jié)良惡性鑒別診斷研究[D];遵義醫(yī)學院;2018年

3 李想;解建國教授治療無明確手術(shù)指征的肺結(jié)節(jié)疾病經(jīng)驗探尋[D];大連醫(yī)科大學;2018年

4 冷銀萍;探討肺內(nèi)結(jié)節(jié)病的高分辨率CT表現(xiàn)及影像學特征[D];南昌大學;2018年

5 陸王娟;肺結(jié)節(jié)患者中醫(yī)體質(zhì)類型分布的初步研究[D];南京中醫(yī)藥大學;2018年

6 劉淼淼;中性粒細胞與淋巴細胞比值在肺結(jié)節(jié)病與肺結(jié)核鑒別診斷中的應用[D];鄭州大學;2018年

7 張浩;基于CT圖像的肺結(jié)節(jié)良惡性輔助診斷研究[D];東北大學;2015年

8 劉倩;電子支氣管鏡下不同活檢術(shù)對肺結(jié)節(jié)病的診斷價值比較[D];吉林大學;2018年

9 郝歡;基于深度學習的肺結(jié)節(jié)檢測方法研究[D];西安理工大學;2018年

10 閆曉斐;基于PET/CT的肺結(jié)節(jié)分割與良惡性診斷方法的研究[D];太原理工大學;2017年

本文編號：2827125