基于深度学习的CT图像肺结节检测
发布时间：2021-01-15 20:28
目前,肺癌是各种癌症中死亡率最高的癌症,肺癌患者的5年存活率仅为16%左右。如果肺癌能在早期就被检测定位,那么肺癌患者的5年存活率能够提升到70%。所以,肺癌的早期诊断对于提高肺癌患者的存活率具有重大意义。胸部计算机断层成像（Computed Tomography,CT）精度高且使用广泛,是早期肺癌检测和诊断的重要手段。早期肺癌在医学影像中通常表现为肺结节,所以在病人CT图像中检测出肺结节并进行早期治疗非常重要。胸部有很多复杂的组织结构,同时这些组织的CT值相近,这都使得肺结节检测变得异常困难。计算机辅助诊断采用影像学技术与计算机分析技术相结合的方式,辅助放射科医生检测和诊断肺结节,减少医生的工作量,同时减少误诊率和漏诊率。所以,基于CT图像的肺结节检测的研究越来越受研究者们的关注。本文主要围绕胸部CT图像的肺结节检测中的两个步骤（候选结节检测以及假阳性剔除）进行研究。与传统的肺结节检测方法相比,本文提出的方法无需人工设计特征或预先选取候选结节特征集合,直接采用深度学习的模型进行了候选结节检测以及假阳性剔除的步骤。本文主要研究内容如下:（1）候选结节检测阶段,本文通过改进基于深度学习的...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
三种类型肺结节的图例
第二章 肺结节检测综述及目标检测方法介绍边界。Liu 等人[21]使用区域增长法来分割肺实质。Han 等人[22]结合高级矢量量化（high-level vector quantization）、连通区域标记以及形态学闭运算来提取肺实质。Teramoto 等人[23]使用腐蚀操作来缩小 CT 图像中的血管和肺结节，同时起到扩大不同目标区别的作用。Santos 等人[24]首次使用阈值以及连通区域查找的方法来去除气管以及支气管，然后使用高斯混合模型（Gaussian mixture models）来去除肺部内部的组织。Filho 等人[25]设计了一种新型的肺部分割的方法，实现了肺部的提取、重建以及分离肺实质，并且使用二次增强滤波器（quadratic enhancement filter）来增强胸部结构。Choi 等人[26]首次应用最优阈值法得到初始区域，之后同时使用三维连通区域分析以及边界修正的方法来过滤无关区域，从而保留肺叶。Zhai 等人[27]使用四个步骤来分割肺实质：（1）使用形态学开运算来去除噪声；（2）使用 OTSU 阈值算法分割肺部；（3）使用边界追踪方法得到初始的肺轮廓；（4）使用适应性边界匹配（adaptivebordermarching）算法精修肺部分割结果。这些肺实质分割的方法有一些共同的特点：（1）使用阈值来二值化图像；（2）使用二维或者三维连通区域分析的方法来去除胸部；（3）使用形态学操作来填充肺分割步骤所产生的空洞[24]。
图 2-4 候选区域生成网络2.2.1.2 特征提取网络特征提取网络包括与候选区域生成网络共享的部分以及独有的部分。共享部络修改自经典的 VGG-16 模型中的网络。VGG 网络是牛津视觉几何研究组Geometry Group）在 2014 年 ImageNet 比赛中提出的，当年取得了很好的成绩，广泛采用。相对比于之前盛行的网络 AlexNet，VGG 把网络层数做到了更深，效好。VGG 网络为了将网络的深度增加，大量的使用了 3×3 的卷积核（这个尺寸
本文编号：2979463
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
三种类型肺结节的图例
第二章 肺结节检测综述及目标检测方法介绍边界。Liu 等人[21]使用区域增长法来分割肺实质。Han 等人[22]结合高级矢量量化（high-level vector quantization）、连通区域标记以及形态学闭运算来提取肺实质。Teramoto 等人[23]使用腐蚀操作来缩小 CT 图像中的血管和肺结节，同时起到扩大不同目标区别的作用。Santos 等人[24]首次使用阈值以及连通区域查找的方法来去除气管以及支气管，然后使用高斯混合模型（Gaussian mixture models）来去除肺部内部的组织。Filho 等人[25]设计了一种新型的肺部分割的方法，实现了肺部的提取、重建以及分离肺实质，并且使用二次增强滤波器（quadratic enhancement filter）来增强胸部结构。Choi 等人[26]首次应用最优阈值法得到初始区域，之后同时使用三维连通区域分析以及边界修正的方法来过滤无关区域，从而保留肺叶。Zhai 等人[27]使用四个步骤来分割肺实质：（1）使用形态学开运算来去除噪声；（2）使用 OTSU 阈值算法分割肺部；（3）使用边界追踪方法得到初始的肺轮廓；（4）使用适应性边界匹配（adaptivebordermarching）算法精修肺部分割结果。这些肺实质分割的方法有一些共同的特点：（1）使用阈值来二值化图像；（2）使用二维或者三维连通区域分析的方法来去除胸部；（3）使用形态学操作来填充肺分割步骤所产生的空洞[24]。
图 2-4 候选区域生成网络2.2.1.2 特征提取网络特征提取网络包括与候选区域生成网络共享的部分以及独有的部分。共享部络修改自经典的 VGG-16 模型中的网络。VGG 网络是牛津视觉几何研究组Geometry Group）在 2014 年 ImageNet 比赛中提出的，当年取得了很好的成绩，广泛采用。相对比于之前盛行的网络 AlexNet，VGG 把网络层数做到了更深，效好。VGG 网络为了将网络的深度增加，大量的使用了 3×3 的卷积核（这个尺寸
本文编号：2979463
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2979463.html
