基于深度学习的肺结节检测方法研究

发布时间：2021-01-10 04:16

　　CT肺结节检测对提高早期肺癌患者五年生存率具有重要的价值。由于肺结节病理组织结构的复杂性,提取高判别性特征、获得低假阳性率仍是一项极具挑战性的任务。针对该问题,本文围绕肺结节检测方法进行了研究,具体工作及主要成果如下:（1）针对粘连型结节提取困难问题,提出一种基于最大熵分割与形态学结合的疑似结节提取方法。首先,提取CT图像肺实质区域,用最大熵分割肺实质得到感兴趣区域;然后,用形态学方法去除感兴趣区域中结节与肺组织粘连部分;最后,用连通域标记法提取疑似结节图像并保存为数据库。实验表明,该方法能有效地断结节开粘连区域,准确提取出疑似结节区域。（2）针对小规模数据集难以训练深度神经网络问题,提出一种基于迁移学习与SVM的肺结节检测方法。首先,复制预训VGG作为目标模型;其次,微调模型使其适用于肺结节分类任务;然后,用（1）中数据库通过反向传播的方式对模型过滤器权重进行优化;最后,用模型提取的深度特征训练和测试SVM。结实验表明,该方法能够准确地检测出结节,且具有较低的假阳性率。（3）针对深度特征维数多易出现冗余的问题,提出一种基于特征优化的肺结节检测方法。首先,用微调的VGG深度网络提取特征... 

【文章来源】：西安理工大学陕西省

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 疑似结节提取方法研究现状
        1.2.2 假阳性去除方法研究现状
        1.2.3 现存的问题及难点
    1.3 本文主要工作及章节安排
        1.3.1 本文主要工作
        1.3.2 本文章节安排
2 基于最大熵分割与形态学结合的疑似结节提取方法
    2.1 问题的提出
    2.2 算法描述
        2.2.1 最大熵分割法提取ROI
        2.2.2 形态学方法去除粘连区域
    2.3 实验结果及分析
    2.4 本章小结
3 基于迁移学习与SVM的肺结节检测方法
    3.1 问题的提出
    3.2 算法描述
        3.2.1 对VGG-16进行迁移学习提取特征
        3.2.2 训练SVM分类器
    3.3 实验结果及分析
    3.4 本章小结
4 基于特征优化的肺结节检测方法
    4.1 问题的提出
    4.2 算法描述
        4.2.1 深度特征PCA降维
        4.2.2 深度特征t-SNE降维
    4.3 实验结果及分析
    4.4 本章小结
5 总结与展望
    5.1 总结
    5.2 研究展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]基于三维形状指数的肺结节自动检测方法[J]. 董林佳,强彦,赵涓涓,原杰,赵文婷.  计算机应用. 2017(11)
[2]CT图像肺结节计算机辅助检测与诊断技术研究综述[J]. 伍长荣,接标,叶明全.  数据采集与处理. 2016(05)
[3]利用游程集合的标号传播实现快速连通域标记[J]. 牛连强,彭敏,孙忠礼,张刚.  计算机辅助设计与图形学学报. 2015(01)



本文编号：2968043