肺结节图像的自动分割与识别

发布时间：2021-02-27 21:55

　　肺癌是最常见、最致命的恶性肿瘤之一,国际肺癌研究协会（IASLC）国际分期项目证实,随着肿瘤大小的增加,生存率降低,表明早期诊断和及时治疗是降低肺癌患者死亡率的有效且关键的方法。CT在肺结节的检出和定性中起着重要的作用,鉴别良性结节和恶性结节对于指导临床进一步治疗有重要意义。近年来,随着CT的发展和应用,可以提高肺癌早期诊断的敏感性、特异性、准确性。因为医学图像具有边缘模糊、灰度不均匀、个体差异性大、噪声和伪影严重等特点,因此在相关算法研究中很难达到高灵敏度和高精度要求。本文根据胸腔CT影像的解剖学特征,在肺实质分割、疑似肺结节检测和分割这两个方向上进行了深入研究和大量实验。本文的主要工作包括:（1）肺实质图像的自动分割为了提高肺癌早期肺结节诊断的敏感性、特异性、准确性,首先应该对肺部图像进行预处理操作,即肺实质分割。本文研究了基于模糊建模思想和迭代相对模糊连接度（IRFC）算法的自动解剖识别（AAR）方法,对肺部CT图像进行了肺实质分割。模糊集概念已广泛应用于图像处理和3D可视化中,模糊建模方法以全数字形式将解剖信息引入到为对象识别和对象划分而设计的图形理论框架中,捕获图像的不确定信... 

【文章来源】：南京邮电大学江苏省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 肺内结节定义及影像学表现
    1.2 课题研究的背景及意义
    1.3 肺部结节分析与识别的基本过程
        1.3.1 数据预处理
        1.3.2 疑似肺结节区域提取
    1.4 本文的组织结构
第二章 相关理论知识介绍
    2.1 人工智能在医学领域的应用
        2.1.1 概述
        2.1.2 计算机视觉在医学领域的应用
    2.2 基于模糊连接度的图像分割方法
        2.2.1 模糊连接度图像分割的基本知识
        2.2.3 相对模糊连接度
        2.2.4 迭代相对模糊连接
    2.3 基于深度学习的目标检测方法
        2.3.1 概述
        2.3.2 目标检测相关算法
    2.4 基于深度学习的语义分割方法
        2.4.1 概述
        2.4.2 语义分割相关算法
第三章 肺部CT图像分割方法研究
    3.1 概述
    3.2 自动解剖识别方法的概述
        3.2.1 建立胸腔Thorax的模糊模型
        3.2.2 目标识别
        3.2.3 目标轮廓提取
    3.3 提高算法的运行速度
    3.4 实验结果和分析
        3.4.1 数据集
        3.4.2 评估策略
        3.4.3 性能比较
第四章 卷积神经网络在胸部CT肺结节评估中的应用
    4.1 概述
    4.2 基于Mask-RCNN的肺结节自动识别和分割
    4.3 优化网络结构
        4.3.1 ResNet架构
        4.3.2 ResNet调整
        4.3.3 DenseNet架构
    4.4 实验结果与分析
        4.4.1 数据集
        4.4.2 评估策略
        4.4.3 性能比较
第五章 总结与展望
    5.1 论文工作总结
    5.2 研究展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]基于Local Jet变换空间纹理特征的肺结节分类方法[J]. 代美玲,祁瑾,周仲兴,高峰.  中国生物医学工程学报. 2017(01)
[2]基于3D区域增长法和改进的凸包算法相结合的全肺分割方法[J]. 代双凤,吕科,翟锐,董继阳.  电子与信息学报. 2016(09)
[3]多层螺旋CT在肺结节诊断中的应用及展望[J]. 王化,唐光健.  国外医学(临床放射学分册). 2005(06)
[4]影响CT检出肺结节的因素[J]. 欧阳林.  中国医学影像技术. 2004(04)
[5]良性孤立性肺结节动态CT表现及病理基础[J]. 钱江,杜立新,傅加平,邓明.  中国医学影像技术. 2000(07)

博士论文
[1]肺结节图像的分析与识别[D]. 曹蕾.南方医科大学 2009

硕士论文
[1]基于SVM的肺结节分割与识别[D]. 乐昂霖.东北大学 2015



本文编号：3054854