基于深度学习的肺结节CT图像哈希检索方法研究

发布时间：2023-11-12 16:45

　　面对呈爆炸式增长的肺结节计算机断层扫描(Computed Tomography,CT)图像,能够迅速准确的对肺结节CT图像做出诊断,变成了一份艰难的工作。利用已经确诊的肺癌数据库中病例数据,通过肺结节CT图像检索,为医生提供了一种参考依据,从而降低误诊误判的几率。因此,肺结节CT图像的检索,在医生诊断过程中有着十分重要的意义。虽然传统的检索方法已经显著成效,但是仍有很多问题需要解决,而针对这些问题,本文研究内容如下:(1)针对原始数据对肺结节CT图像检索存在较大误差的问题,本文首先对肺结节CT图像进行预处理:主要包括病灶提取过程。通过实验对比最终采用最大类间方差法,形态学膨胀腐蚀,以及最大连通区域算法等方法实现肺结节CT图像的预处理过程,实验效果显著。(2)针对肺结节CT图像特征深层数据挖掘的问题,本文采用深度学习的方法对肺结节CT图像进行检索:主要采用基于深度置信网络(Deep Belief Network,DBNs)和迭代量化(Iterative Quantization,ITQ)搭建肺结节CT图像无监督哈希检索模型。实验结果表明,本方法在提高查准率和查全率等指标上效果明显。(3)...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 传统方法医学图像检索研究现状
        1.2.2 基于深度学习的医学图像检索研究现状
    1.3 本文研究的主要内容
第2章 肺结节CT图像的医学征象和预处理
    2.1 肺结节CT图像医学征象
    2.2 肺结节CT图像数据库介绍
    2.3 肺实质的提取
        2.3.1 图像阈值二值化分割
        2.3.2 形态学膨胀腐蚀
        2.3.3 肺实质的提取结果
    2.4 肺结节病灶区域提取以及预处理
    2.5 本章小结
第3章 深度置信网络和迭代量化的肺结节CT图像检索方法
    3.1 深度置信网络和迭代量化的模型构建
        3.1.1 深度置信网络(DBNs)
        3.1.2 生成玻尔兹曼机
        3.1.3 DBNs的非监督训练
        3.1.4 迭代量化(ITQ)哈希方法
        3.1.5 DBN-ITQ模型
    3.2 相似性度量
    3.3 图像检索过程
    3.4 实验和结果分析
        3.4.1 评价指标
        3.4.2 网络结构设置
        3.4.3 实验结果分析
    3.5 本章小结
第4章 基于迁移学习的肺结节CT图像二进制检索方法
    4.1 迁移学习模型的搭建
    4.2 模型迁移的哈希编码
    4.3 分层深度检索
        4.3.1 粗略检索
        4.3.2 精细检索
    4.4 实验与结果分析
        4.4.1 实验数据处理
        4.4.2 评价指标
        4.4.3 肺结节图像的分类性能
        4.4.4 肺结节图像的检索性能
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文及获得成果
致谢



本文编号：3863546