基于卷积神经网络的肺腺癌检测

发布时间：2021-03-14 15:16

　　随着空气污染的加深,人们对呼吸系统健康的关注也越来越高。肺腺癌作为一种较多发于女性或非吸烟人群的肺癌,其早期切除手术后5年生存率较高,因而早期诊断十分关键。肺腺癌诊断依赖胸腔CT成像技术,影像科医生需要耗费十数分钟的时间从CT影像中筛查出肺腺癌。面对越来越高的胸腔CT诊断需求,提高影像筛查速度十分关键,利用快速精准的计算机辅助诊断算法从CT扫描检测出肺腺癌是一种有效的解决方案。目前,针对肺腺癌的检测算法研究较少,但该问题与肺结节检测较为相似。肺结节检测算法通常分为两个阶段,包括定位候选肺结节和良恶性分类。本研究中,第一阶段从CT影像中定位候选肺腺癌病灶,降低假阴率;第二阶段筛查出候选病灶中的假阳样本,并将真阳样本分类为原位腺癌和微浸润腺癌。在肺结节检测算法中,基于卷积神经网络（convolutional neural network,CNN）的检测算法较传统手工设计特征算子的方法效果更优,准确率更高。但CNN参数量较大,训练成本高,在两个阶段中各使用一个CNN模型进一步增加了算法整体的训练难度,且内存占用更高,提高了算法应用的硬件标准。然而,由于肺腺癌体积较小,且尺度不一,若使用单个C... 

【文章来源】：浙江工业大学浙江省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

肺癌分类比例图及吸烟者占比[10]

肺腺癌在X光（左）和CT（右）中的形态

目标检测示意图


本文编号：3082431