基于CT图像的肺结节良恶性分类算法研究

发布时间：2021-11-22 00:52

　　肺癌是一种发病率和致死率均很高的癌症,肺结节的良恶性分类是肺癌早期诊断的关键。临床上常用CT图像来筛查肺部的恶性肺结节,但由于肺结节大小不一、形态多样,导致人工的分类方法极易出现漏检和误检的现象。研究肺结节良恶性分类算法,提高分类的准确性,有助于增加肺癌患者存活的机率。采用基于深度学习方法实现肺结节良恶性分类。在网络结构设计上,针对肺结节大小不一、形态多样的特点,提出了一种多尺度多模型集成的三维卷积神经网络架构,由MSMME-VggNet、MSMME-ResNet和MSMME-InceResNet三种不同的基础网络架构组成,每种基础网络架构又包含三个子网络,分别处理16*16*16、32*32*32和48*48*48的三维图像。利用对比度增强前后的肺结节图像块组成两通道的三维数据作为网络的输入,凸显了肺结节的特征。在训练网络模型时,为解决肺癌影像数据集中样本量较少的问题,提出了离线和在线相结合的两阶段数据扩充方法,即先利用大部分肺结节周围背景的相似性,采用“随机掩码”的方法对数据集进行离线扩充;之后再使用常规图像处理方法进行在线扩充,以提高网络模型的泛化能力。在肺结节的良恶性分类过程中... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

典型肺结节示例图

华 中 科 技 大 学 硕 士 学 位 论 文对图像的每块小区域单独做均衡化。而直方图规定化是把原始图像的灰度直方图分布转变成特定的灰度直方图分布，以达到增强图像对比度的目的。图 3-2 中列举了几幅使用前文介绍的各种算法增强前后的肺结节效果图，每行表示一幅图像使用不同算法的增强效果图，从左到右依次为原图、对比度拉伸、指数变换、对数变换、全局直方图均衡化、自适应直方图均衡化与直方图规定化。需要说明的是，这里仅展示了肺结节图像块的中间层图像。仅从以下几幅图像的视觉效果上来看，其中对比度拉伸与直方图规定化两种方法对肺结节图像块的增强效果更好；对于使用经过不同增强方法处理后的输入训练出的肺结节良恶性分类模型，本文在 4.3 节的消融实验部分对它们进行了性能上的比较。本文最终选择了对比度拉伸增强算法来预处理肺结节图像块。原图 对比度拉伸 指数变换 对数变换 全局均衡 局部均衡 规定化

中 科 技 大 学 硕 士 学 位 论 文性肺结节（正样本）均通过随机掩码的方式生成了三个“新恶性肺结节”，中恶性肺结节的数量变为原来的四倍；对训练集中的每个良性肺结节（负机掩码的方式生成了一个“新良性肺结节”，这样训练集中良性肺结节的来的两倍，训练集中正负样本的比例由原来的 1:2.13 近似变为 1:1。除了保在样本总数量上的平衡外，在训练时还对每个 batch 样本作了正负样本平解数据扩充前正负样本数量上的较大差异给训练的模型性能带来的影响。

【参考文献】：
期刊论文
[1]中国肺部结节分类、诊断与治疗指南（2016年版）[J]. 周清华,范亚光,王颖,乔友林,王贵齐,黄云超,王新允,吴宁,张国桢,郑向鹏,步宏.  中国肺癌杂志. 2016(12)
[2]CT征象用于孤立性肺结节良恶性鉴别诊断的Logistic回归分析及预测模型构建[J]. 邓建永,张华山,刘桂安,王乾魁.  中国数字医学. 2016(11)
[3]胸部CT图像中孤立性肺结节良恶性快速分类[J]. 刘露,刘宛予,楚春雨,吴军,周洋,张红霞,鲍劼.  光学精密工程. 2009(08)
[4]自适应区域生长算法在医学图像分割中的应用[J]. 陆剑锋,林海,潘志庚.  计算机辅助设计与图形学学报. 2005(10)

硕士论文
[1]基于CT图像的肺结节计算机辅助诊断研究[D]. 李灵.大连理工大学 2017
[2]基于CT图像的孤立性肺结节诊断模型研究[D]. 邸晓东.哈尔滨理工大学 2010



本文编号：3510601