肺癌是致死率最高的癌癥之一,在肺癌的早期階段檢測肺結(jié)節(jié)對于提高患者的存活率至關(guān)重要。人工診斷多基于醫(yī)生的經(jīng)驗積累,且費時費力,因此計算機輔助診斷逐漸應(yīng)用于影像學(xué),傳統(tǒng)計算機輔助診斷方法主要依賴多種不同的濾波器來檢測不同類型結(jié)節(jié)的邊緣、紋理等特征。近年來,計算機輔助診斷系統(tǒng)借助神經(jīng)網(wǎng)絡(luò)強大的圖像表達能力,能夠準確快速地定位和識別病灶。在肺結(jié)節(jié)檢測課題中,精準檢測肺結(jié)節(jié),特別是早期肺結(jié)節(jié)（小結(jié)節(jié)）同時減少假陽性輸出是研究的關(guān)鍵。目前使用神經(jīng)網(wǎng)絡(luò)檢測肺結(jié)節(jié)的方法大多在單層特征圖上來進行,這不利于小目標(biāo)的檢測。本文基于阿里-天池2017大數(shù)據(jù)競賽提供的數(shù)據(jù)庫,針對胸部CT圖像的特點和同時檢測大小目標(biāo)的需求,對CT圖像數(shù)據(jù)的預(yù)處理和基于多層特征圖的結(jié)節(jié)檢測及識別算法展開了如下研究工作:1.分析CT圖像與通常數(shù)字圖像的區(qū)別,基于肺部CT圖像的特征,本論文設(shè)計了一種由不同形態(tài)學(xué)操作組合而成的CT圖像預(yù)處理流程。2.針對肺結(jié)節(jié)檢測任務(wù)目標(biāo)相對單一,背景相似的特性,研究了不同尺度的特征圖對檢測效果的影響,在多層特征圖檢測網(wǎng)絡(luò)SSD、MDSSD的基礎(chǔ)上,提出了多層特征圖組合優(yōu)化方法,并通過特征圖的選擇和組... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

天池數(shù)據(jù)集中典型肺結(jié)節(jié)展示，紅色方框標(biāo)注的區(qū)域即為肺結(jié)節(jié)

第二章CT圖像數(shù)據(jù)預(yù)處理方法研究9圖2-1展示了閉操作的流程與效果，結(jié)構(gòu)元為3×3的卷積核，純白色方塊代表前景，純黑色方塊代表背景，經(jīng)過閉操作，兩個目標(biāo)塊被合成一整塊且外邊緣保持不變。首先，膨脹操作使得原圖像中兩個分開的前景目標(biāo)聯(lián)通為一整塊。(前景邊緣偏白的灰色圖塊表示由于膨脹操作而產(chǎn)生的新的前景)。接著，在膨脹后的圖像上施加一個卷積核尺度相同的腐蝕操作，聯(lián)通的前景中外圍邊緣部分又被抹去，同時內(nèi)部的聯(lián)通區(qū)塊保持不變。(注意圖中偏黑的灰色塊表示由于腐蝕而變成黑色的圖塊)。最后就得到了一個完整的無突起的前景。圖2-1圖像閉操作示意圖。結(jié)構(gòu)元為3×3的矩形，黑色表示背景，白色表示前景。2.3圖像邊緣檢測方法在數(shù)字圖像中，邊緣是指圖像局部變化最顯著的部分，表達了圖像局部特性的突變。邊緣檢測的目的，就是舍棄圖像中的細節(jié)，提取目標(biāo)的外部輪廓以進行后續(xù)的研究。在引入深度學(xué)習(xí)以前，邊緣檢測算法主要是基于圖像一定鄰域內(nèi)像素值的一階和二階導(dǎo)數(shù)，因此必須設(shè)計卷積濾波器來進行邊緣檢測，而不同的卷積核又有各自的優(yōu)劣。邊緣檢測的卷積核有很多種，如Roberts算子，Prewitt算子，Sobel算子，Canny算子[28]。Roberts算子是一種利用局部差分尋找邊緣的算子，其卷積核尺寸為2×2；Prewitt算子是一種一階微分算子，它由兩個卷積核組成，它們分別對垂直和水平方向上的邊緣最為敏感。兩個方向的卷積輸出中，取最大值作為該點的輸出值，最后，以一個人為選擇的，可調(diào)的閾值來確定每個像素點是否為邊緣。與Prewitt算子相似，Sobel算子也使用兩個3×3的卷積核分別響應(yīng)垂直和水平邊緣。區(qū)別在于Sobel算子對水平和垂直方向的像素還有一個系數(shù)為2的加權(quán)。Canny算子區(qū)別于以上算子的最大特征在于它使用了雙閾值進行邊緣檢?

第二章CT圖像數(shù)據(jù)預(yù)處理方法研究11(a)(b)(c)(d)(e)圖2-3CT數(shù)據(jù)預(yù)處理效果展示。(a)格式轉(zhuǎn)換后的圖像；(b)二值化，聯(lián)通區(qū)域判定；(c)邊緣檢測，閉操作；(d)結(jié)構(gòu)元更大的閉操作；(e)經(jīng)形態(tài)學(xué)處理后的圖像。2.5本章小結(jié)本章主要介紹了實驗數(shù)據(jù)的來源和組成，同時出于減少干擾信息的目的，分別研究了圖像二值化、各種邊緣檢測算法、圖像開閉操作對CT圖像的分割效果。最后設(shè)計了一個預(yù)處理流程，將上述各種方法整合起來，精準定位肺部影像。從處理結(jié)果來看，本章設(shè)計的流程能夠較為精確的框定CT圖像中的肺部區(qū)域，有效減少了無關(guān)位置的干擾信息。相比而言，原始數(shù)據(jù)集對比度更高，結(jié)構(gòu)更完整；處理后的數(shù)據(jù)集更簡潔，干擾信息更少。兩種數(shù)據(jù)集各有利弊，所以兩種數(shù)據(jù)集會在接下來的試驗中分別訓(xùn)練網(wǎng)絡(luò)并加以分析。


本文編號：3279788