一种基于卷积神经网络的肝脏CT图像病灶检测问题研究

发布时间：2021-09-02 06:53

　　深度学习是人工智能领域的研究热点,基于深度卷积神经网络的目标检测是深度学习的一个重要分支,CT图像病灶检测是计算机辅助医疗的重要途径。肝脏局灶性病变由于其背景肝组织的复杂性、病灶的多样性等,给肝脏病灶检测带来了很大的挑战,因此如何提高病灶的检出率是肝脏CT图像病灶检测问题研究的一个重点及难点。本文首先基于影像科专业医生标注的肝脏病灶图片,生成训练与测试数据集,接着分析并搭建广义的Faster R-CNN。然后利用肝脏病灶CT图像数据的特性,并结合不同几何位置的病灶标注信息、合理的数据接口格式和训练与测试数据集划分方案,基于Faster R-CNN建立相应的肝脏病灶检测单分类和多分类初始模型。由于初始模型病灶检测效果不理想,因此通过对图像预处理方式、特征提取网络、损失函数中平衡参数取值及目标候选框正负样本比例等方面进行调优,特别的本文还利用K-均值聚类算法生成不同的标准框个数与尺寸并进行了调优,得到了优化后相应的单分类和多分类病灶检测模型。最后通过数值实验验证了所设计的肝脏病灶检测模型具有较高的平均精度和多病种的适用性。 

【文章来源】：湘潭大学湖南省

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

历年目标检测算法平均精度均值发展曲线

第二章 预备知识2.1 几类肝脏疾病及其 CT 图像表现2.1.1 肝囊肿(Hepatic Cyst，简称 Cyst)肝囊肿[41]是肝部较为常见的疾病之一，其病灶 CT 平扫常表现为单个或多个圆形或椭圆形、密度均匀、边缘光整的低密度区，CT 值接近水。若出现其他异常，如囊肿合并感染或出血，病灶密度有增高现象。增强扫描囊肿本身不强化，显示更清楚。下图为典型肝囊肿 CT 影像表现，图中类圆形阴影即为肝囊肿病灶

图 2-2 典型肝血管瘤 CT 图像（从左到右分别为平扫、动脉期、门脉期、实质期）2.1.3 肝脏局灶性结节增生(Focal Nodular Hyperplasia，简称 FNH）肝脏局灶性结节增生[41]病灶不同时期 CT 图像表现如下： 平扫：病灶区密度稍低于正常肝实质密度，且边界欠清晰。 动脉期：病灶区域明显均匀强化，但中央瘢痕部分通常不强化。 门静脉期：病灶区域强化程度逐渐下降，等于或稍高于正常肝实质密度，中央瘢痕通常不强化； 实质期：病灶密度等于或稍低于正常肝实质，中央瘢痕逐渐强化。下图为典型 FNH 的 CT 影像表现，红色方框为 FNH 病灶所在位置，箭头所指的即为延迟强化的中央瘢痕:


本文编号：3378540