基于深度神经网络的CT影像肺结节检测与诊断研究

发布时间：2021-01-23 08:19

　　肺癌是全球癌症死亡的主要原因,严重危害着人类的健康。肺结节是肺癌的早期表现形式,肺结节的早期发现对于提高患者生存率发挥着至关重要的作用。计算机断层扫描技术（Computed Tomography,CT）扫描速度快、图像清晰度高、能够捕捉到微小病变区域,应用CT进行肺癌诊断是一种有效的方法。为了提高肺癌诊断的准确率,计算机辅助诊断（Computer Aided Diagnosis,CAD）技术应运而生。但是肺结节大小不一,形状各异,且其周围包含很多相似的组织器官,导致现有的检测算法易出现漏检误检的问题。目前深度网络在肺结节诊断领域取得了优异的成绩,针对以上问题,本文利用深度神经网络针对CT影像进行肺结节检测与诊断的算法研究和系统原型设计,具体的工作如下:（1）针对现有技术对肺结节的漏检错检率高的问题,对Faster R-CNN进行改进并提出一种新的算法ADR-CNN,通过将Faster R-CNN的特征提取网络替换为Inception-ResNet-V2网络,可以提取更有利于肺结节检测的特征。针对肺结节尺寸较小的问题修改了区域候选网络（Region Proposal Network,RP... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

人体肺部CT影像示例图

图 6 切割后的肺实质图像tional Neural Networks, CNN)在练数据做支撑，这是因为 CN止模型过拟合(Overfitting)。而据的缺乏，CNN 的训练数据工标记，所以很难达到像 Im，我们对原始肺部 CT 影像做提到，他们使用的数据增广方数据量[37]。而常规的数据增广、随机裁剪、平移拉伸以及旋 CT 切片，然后对每一张切片切片进行 16 倍的扩充。我们

第二章 基于改进深度神经网络的肺结节检测节被检测为真结节。Faster R-CNN 网络在肺结节检测领域的效果并没有达到人们期，因此我们对 Faster R-CNN 网络进行改进，将该网络框架简称为 ADR-CNN ADR-CNN 进行肺结节检测的过程如图 10 所示。具体的改进如下：(1) Faster R-CNN 网络进行肺结节检测的效果不佳，我们分析其原因是 Fa-CNN 的特征提取网络(VGG16)层数有限，特征学习能力不足。对于体积较小的，不能提取到足够的特征进行肺结节检测。本文借鉴加深网络层数的思想提出使深的CNN(Inception-ResNet-V2)[44]来替换Faster R-CNN原始的VGG 16作为特征网络。

【参考文献】：
期刊论文
[1]图像分割方法综述研究[J]. 周莉莉,姜枫.  计算机应用研究. 2017(07)
[2]肺癌主要危险因素的研究进展[J]. 李媛秋,么鸿雁.  中国肿瘤. 2016(10)
[3]基于语义属性的肺结节良恶性分类[J]. 巩萍,程玉虎,王雪松.  电子学报. 2015(12)
[4]肺部结节的诊断与处理[J]. 李春,杨达伟.  上海医药. 2015(15)
[5]肺部小结节的诊断和治疗近况[J]. 宋勇,姚艳雯.  中华肺部疾病杂志(电子版). 2012(04)
[6]90%的肺癌由吸烟引起[J]. 崔东明.  健康管理. 2010(05)
[7]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照.  河北大学学报(自然科学版). 2009(01)
[8]计算机辅助诊断在肺结节中的应用进展[J]. 王晓华,马大庆.  中华放射学杂志. 2006(04)
[9]电子计算机辅助诊断（CAD）的原理及临床应用[J]. 舒荣宝,王成林.  中国CT和MRI杂志. 2004(02)

硕士论文
[1]基于语义属性分级的肺结节良恶性诊断研究[D]. 刘琰.西北大学 2018
[2]基于改进Faster R-CNN的肺结节检测[D]. 范伟康.郑州大学 2018
[3]基于时间序列的孤立肺结节形态征象及良恶检测[D]. 刘潇.西北大学 2015



本文编号：2994880