肺癌已經(jīng)成為導(dǎo)致病人死亡的惡性疾病中最主要的一種,由于發(fā)病率高,而確診后的治愈率較低,所以患者的存活率一直處于較低的水平。CT技術(shù)廣泛應(yīng)用為醫(yī)生在診斷肺部病灶方面提供了精確的幫助,但是肺癌患者數(shù)量仍然居高不下的原因主要有3點(diǎn):(1)肺部CT掃描圖像數(shù)量龐大,有經(jīng)驗(yàn)的閱片醫(yī)生不足以應(yīng)付快速增長(zhǎng)的病例。(2)肺部的血管、組織較多,與肺部病灶相互交織在一起不易分辨。(3)傳統(tǒng)的機(jī)器學(xué)習(xí)方法主要是通過(guò)人工提取病灶的低層特征,不同的專家有著不同的提取方法,而不同的特征對(duì)于分類結(jié)果有著很大的影響。針對(duì)肺部CT掃描圖像的計(jì)算機(jī)輔助診斷系統(tǒng)可以有效的提高醫(yī)生的診斷率,減輕醫(yī)生的負(fù)擔(dān),給患者提供較為客觀的診斷結(jié)果。計(jì)算機(jī)輔助診斷系統(tǒng)主要由肺部感興趣區(qū)域(RegionofInterest,ROI)的提取和對(duì)良惡性結(jié)節(jié)的分類兩部分組成。感興趣區(qū)域的提取是通過(guò)分割肺實(shí)質(zhì)、提取感興趣區(qū)域以去除不必要的組織器官的干擾。肺結(jié)節(jié)分類識(shí)別是準(zhǔn)確評(píng)價(jià)一個(gè)分類器分類性能優(yōu)劣的標(biāo)準(zhǔn)。本文針對(duì)計(jì)算機(jī)輔助診斷系統(tǒng)的兩大關(guān)鍵:肺部CT圖像感興趣區(qū)域的提取和肺結(jié)節(jié)的分類展開了研究。1.本文針對(duì)傳統(tǒng)分割方法中,存在過(guò)多的人工手動(dòng)分割或...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖５－?１基于改進(jìn)ＣＮＮ模型的肺結(jié)節(jié)檢測(cè)算法流程圖??

經(jīng)網(wǎng)絡(luò)從提出到現(xiàn)在，許多專家學(xué)者對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型提出了許多改進(jìn)算法，本章將??在原始ＣＮＮ模型的基礎(chǔ)上，引入最新的改進(jìn)策略，并將ＣＮＮ和其他模式識(shí)別分類器相??結(jié)合，提出ＣＮＮ－ＳＶＭ模型和ＣＮＮ－ＲＦ模型。圖５－１是基于改進(jìn)ＣＮＮ模型的肺結(jié)節(jié)檢??測(cè)算法流程圖。??輸入肺部Ｃ....

圖２－１?ＣＡＤ系統(tǒng)的一般處理流程??Ｆｉｇ．２－１?Ｇｅｎｅｒａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｆｌｏｗ?ｏｆ?ＣＡＤ?ｓｙｓｔｅｍ??

圖２－１?ＣＡＤ系統(tǒng)的一般處理流程??Ｆｉｇ．２－１?Ｇｅｎｅｒａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｆｌｏｗ?ｏｆ?ＣＡＤ?ｓｙｓｔ結(jié)節(jié)的特征??特征??（Ｃｏｍｐｕｔｅｄ?Ｔｏｍｏｇｒａｐｈｙ，ＣＴ）是常用的用Ｍ。根據(jù)掃描射線的不同可以分為：是利用特定的射線圍繞人體的特定的受到透過(guò)器官....

圖２－２肺部ＣＴ圖像??Ｆｉｇ．２－２?ＣＴ?ｉｍａｇｅ?ｏｆ?ｌｕｎｇ??ＣＴ圖像中像素的不同灰度級(jí)別代表不同組織的密度，而ＣＴ值就是測(cè)定人體組著??

然人體內(nèi)各種組織器官的密度差別不大，吸收系數(shù)接近于水，也能形成較為明顯的的對(duì)??比，容易使醫(yī)生分辨，這是ＣＴ圖像最突出的優(yōu)點(diǎn)，也是深度檢查主要的手段之一�；�??于這樣的特點(diǎn)，體內(nèi)發(fā)生的病變能在ＣＴ圖像中清晰的顯示出來(lái)。圖２－２是由ＣＴ掃描??后的肺部ＣＴ圖像。??圖２－２肺部ＣＴ....

圖２－３肺部ＣＴ圖像ＣＴ值分布圖??Ｆｉｇ．２－３?ＣＴ?ｖａｌｕｅ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ＣＴ?ｉｍａｇｅ?ｉｎ?ｌｕｎｇ??

然人體內(nèi)各種組織器官的密度差別不大，吸收系數(shù)接近于水，也能形成較為明顯的的對(duì)??比，容易使醫(yī)生分辨，這是ＣＴ圖像最突出的優(yōu)點(diǎn)，也是深度檢查主要的手段之一�；�??于這樣的特點(diǎn)，體內(nèi)發(fā)生的病變能在ＣＴ圖像中清晰的顯示出來(lái)。圖２－２是由ＣＴ掃描??后的肺部ＣＴ圖像。??圖２－２肺部ＣＴ....

本文編號(hào)：4001241