基于深度学习的肺部结节检测和联合假阳性去除研究

发布时间：2024-06-01 16:09

　　肺癌作为我国发病率及死亡率最高的恶性肿瘤,对人类健康生活和社会发展带来了严重的威胁和阻碍,提高肺癌的早期诊断率对于降低肺癌死亡率至关重要。肺结节是肺癌的一种早期表现形式,它是肺部的一种病灶组织,在医学影像上显示为白色阴影,肺结节检测是肺癌诊断的关键。胸部计算机断层扫描(CT)是肺结节检测的常用成像工具,也是肺癌早期诊断的有效途径之一。由于肺结节在CT和X射线等影像下的对比度相对较低,而且存在与肺部及其它周边组织发生遮挡重叠等情况,同时结节自身的形状大小以及不透明程度,给肺结节的检测带来很大挑战。目前运用深度学习在医疗影像方面进行辅助诊断已经有了广泛研究与应用,对于肺结节检测研究方面,漏检和误检问题较为突出,因此进行基于深度学习的肺结节检测及假阳性去除算法的研究,提高肺结节检测准确率,具有重要的意义和实际的应用价值。本文基于最大公用肺结节数据集LIDC-IDRI的子集LUNA16数据集,就肺结节检测及假阳性去除的问题展开如下研究:(1)肺结节检测针对肺结节检测的问题构建了一个基于改进3D Faster R-CNN的肺结节检测模型来生成候选结节,该模型充分挖掘数据中三维空间的有效信息。为更...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状和发展趋势
        1.2.1 基于传统机器学习算法的肺结节检测方法
        1.2.2 基于深度学习的肺结节检测算法研究
        1.2.3 肺结节假阳性去除研究现状
    1.3 本文主要研究内容及创新点
        1.3.1 本文主要内容
        1.3.2 创新点
    1.4 论文结构论述
第2章 计算机视觉中的深度学习的实现与优化
    2.1 引言
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
        2.2.4 残差层
        2.2.5 反卷积(Deconvolution)
        2.2.6 激活函数
        2.2.7 批量归一化(Batch Normalization BN)[49]
        2.2.8 深度卷积神经网络
    2.3 网络优化策略
        2.3.1 正则化与Dropout
        2.3.2 优化算法
    2.4 Pytorch深度学习框架
    2.5 本章小结
第3章 基于改进3D Faster R-CNN的肺结节检测算法
    3.1 引言
    3.2 算法框架
    3.3 特征提取
        3.3.1 SKNet模块
    3.4 特征融合
    3.5 候选框的生成
        3.5.1 损失函数
        3.5.2 非极大值抑制
    3.6 训练策略
        3.6.1 正样本平衡
        3.6.2 难例挖掘
    3.7 数据集介绍及预处理
        3.7.1 数据集介绍
        3.7.2 数据集的预处理
        3.7.3 数据增强策略
    3.8 实验设置
        3.8.1 实验平台介绍
    3.9 实验结果与分析
        3.9.1 评价指标
        3.9.2 实验结果与对比分析
    3.10 本章小结
第4章 基于3D U-Net和3D CNN网络的联合假阳性去除算法
    4.1 引言
    4.2 基于3D U-Net网络的假阳性去除算法
        4.2.1 网络结构
    4.3 基于3D CNN网络的假阳性去除算法
        4.3.1 3D CNN模型
        4.3.2 网络结构
        4.3.3 空洞卷积(Dilated Convolution)
    4.4 训练策略
        4.4.1 损失函数
        4.4.2 数据增强
    4.5 实验设置
        4.5.1 实验平台介绍
    4.6 实验结果与分析
    4.7 本章小结
第5章 总结和展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3986148