基于卷积神经网络的肺实质分割与肺结节检测方法研究
发布时间：2021-06-29 10:20
肺癌是当今世界最常见的癌症杀手之一,对人类健康威胁极大。肺结节是肺癌的早期表现形式,准确地筛查肺结节对肺癌防治有着重要的积极意义。目前对肺结节的筛查主要借助于电子计算机断层扫描技术（CT）。医生通过肉眼观察CT影像筛查肺结节十分费时耗力且容易发生漏检。引入肺结节检测的计算机辅助诊断系统,能够有效地提升肺结节检测的效率并降低漏检率。传统的肺结节检测方法检测过程复杂,肺结节特征提取繁琐,自动化程度低且检测效果一般。近年来深度学习发展十分迅速,卷积神经网络在计算机视觉领域大放异彩,这也给肺结节检测问题带来了新的研究方向。本文的研究目标是基于卷积神经网络等相关方法,实现自动化的肺实质分割和肺结节检测,并尽可能地提升肺结节的检测的精度。本文首先提出了一种基于改进U-Net的肺实质分割方法,将残差网络中的shortcut操作引入U-Net网络结构并加深了整体网络的深度,文中详细地阐述了对U-Net网络结构的改进过程和改进后的网络细节。与此同时为了提升网络对肺实质边缘的分割效果,本文还在肺实质分割损失函数中新设计了一种边界惩罚项。其次本文对当前主流目标检测算法的优劣势进行了评估,经过分析对比后选择了...
【文章来源】：南京邮电大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【图文】：
1.b常用的非线性激活函数激活函数Sigmoid的输出在0到1之间，激活函数Tanh的输出在-1到1之间，这两个激
原始 CT 影像数据的标准存储格式是 DICOM[40]，一些公开的数据集采用的存储格式则是RAW 文件格式。无论何种格式的数据，在作为输入送入算法之前都需要进行预处理，将原始数据转化为统一的格式，并对数据集进行清洗，确保数据集不存在脏数据干扰实验结果。虽然原始数据的格式不尽相同，但是预处理的原理是一致的。只需提取出每一张 CT 影像的切片数据，并将 CT 值转化为像素值即可。不同的数据集可能有不同的转化方法，只需要按照数据集的说明操作即可。每一个切片数据是一个 512*512 大小的矩阵，其中元素是 1位的整型数值。而一般的图像保存格式位深度都是 8 位的，所以如果需要将 CT 数据保存成图像格式，就需要先把原始数据进行归一化再乘以 255 并转化为整型即可。由于一些公开的 CT 数据集的数据源往往是来自于不同的医院或者组织，导致采集数据的 CT 仪器型号未必一致，且采集环境标准也可能不同。对于这种复杂混合的数据集，如果按照同一种数据预处理方法直接处理，最后生成的数据可能存在一些问题。例如，本文使用相同的数据预处理方法，处理同一数据集中的两个样本时得到的图像如图 3.1.a，3.1.b 所示
原始 CT 影像数据的标准存储格式是 DICOM[40]，一些公开的数据集采用的存储格式则是RAW 文件格式。无论何种格式的数据，在作为输入送入算法之前都需要进行预处理，将原始数据转化为统一的格式，并对数据集进行清洗，确保数据集不存在脏数据干扰实验结果。虽然原始数据的格式不尽相同，但是预处理的原理是一致的。只需提取出每一张 CT 影像的切片数据，并将 CT 值转化为像素值即可。不同的数据集可能有不同的转化方法，只需要按照数据集的说明操作即可。每一个切片数据是一个 512*512 大小的矩阵，其中元素是 1位的整型数值。而一般的图像保存格式位深度都是 8 位的，所以如果需要将 CT 数据保存成图像格式，就需要先把原始数据进行归一化再乘以 255 并转化为整型即可。由于一些公开的 CT 数据集的数据源往往是来自于不同的医院或者组织，导致采集数据的 CT 仪器型号未必一致，且采集环境标准也可能不同。对于这种复杂混合的数据集，如果按照同一种数据预处理方法直接处理，最后生成的数据可能存在一些问题。例如，本文使用相同的数据预处理方法，处理同一数据集中的两个样本时得到的图像如图 3.1.a，3.1.b 所示
【参考文献】：
期刊论文
[1]深度学习算法中卷积神经网络的概念综述[J]. 李策,陈海霞,汉语,左胜甲,赵立刚. 电子测试. 2018(23)
[2]K-means算法研究综述[J]. 丛思安,王星星. 电子技术与软件工程. 2018(17)
[3]基于卷积神经网络的胸片肺结节检测[J]. 朱国策,李朝锋. 传感器与微系统. 2017(12)
[4]基于深度学习的医学影像诊断综述[J]. 张巧丽,赵地,迟学斌. 计算机科学. 2017(S2)
[5]基于漫水填充算法的肺实质分割方法[J]. 冯宗雪,董晓. 电脑知识与技术. 2016(18)
[6]肺癌的流行病学及治疗现状[J]. 姚晓军,刘伦旭. 现代肿瘤医学. 2014(08)
[7]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[8]电子计算机辅助诊断（CAD）的原理及临床应用[J]. 舒荣宝,王成林. 中国CT和MRI杂志. 2004(02)
[9]一种肺部肿瘤CT图象序列的自动分割方法[J]. 姜晓彤,罗立民,汪家旺,潘晓敏,周正东. 中国图象图形学报. 2003(09)
[10]神经网络综述[J]. 巫影,陈定方,唐小兵,朱石坚,黄映云,李庆. 科技进步与对策. 2002(06)
博士论文
[1]基于SVM的肺结节自动识别方法研究[D]. 张婧.华南理工大学 2011
硕士论文
[1]基于SVM的肺部CT图像特征提取及分类研究[D]. 马杨林.西华大学 2012
本文编号：3256266
【文章来源】：南京邮电大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【图文】：
1.b常用的非线性激活函数激活函数Sigmoid的输出在0到1之间，激活函数Tanh的输出在-1到1之间，这两个激
原始 CT 影像数据的标准存储格式是 DICOM[40]，一些公开的数据集采用的存储格式则是RAW 文件格式。无论何种格式的数据，在作为输入送入算法之前都需要进行预处理，将原始数据转化为统一的格式，并对数据集进行清洗，确保数据集不存在脏数据干扰实验结果。虽然原始数据的格式不尽相同，但是预处理的原理是一致的。只需提取出每一张 CT 影像的切片数据，并将 CT 值转化为像素值即可。不同的数据集可能有不同的转化方法，只需要按照数据集的说明操作即可。每一个切片数据是一个 512*512 大小的矩阵，其中元素是 1位的整型数值。而一般的图像保存格式位深度都是 8 位的，所以如果需要将 CT 数据保存成图像格式，就需要先把原始数据进行归一化再乘以 255 并转化为整型即可。由于一些公开的 CT 数据集的数据源往往是来自于不同的医院或者组织，导致采集数据的 CT 仪器型号未必一致，且采集环境标准也可能不同。对于这种复杂混合的数据集，如果按照同一种数据预处理方法直接处理，最后生成的数据可能存在一些问题。例如，本文使用相同的数据预处理方法，处理同一数据集中的两个样本时得到的图像如图 3.1.a，3.1.b 所示
原始 CT 影像数据的标准存储格式是 DICOM[40]，一些公开的数据集采用的存储格式则是RAW 文件格式。无论何种格式的数据，在作为输入送入算法之前都需要进行预处理，将原始数据转化为统一的格式，并对数据集进行清洗，确保数据集不存在脏数据干扰实验结果。虽然原始数据的格式不尽相同，但是预处理的原理是一致的。只需提取出每一张 CT 影像的切片数据，并将 CT 值转化为像素值即可。不同的数据集可能有不同的转化方法，只需要按照数据集的说明操作即可。每一个切片数据是一个 512*512 大小的矩阵，其中元素是 1位的整型数值。而一般的图像保存格式位深度都是 8 位的，所以如果需要将 CT 数据保存成图像格式，就需要先把原始数据进行归一化再乘以 255 并转化为整型即可。由于一些公开的 CT 数据集的数据源往往是来自于不同的医院或者组织，导致采集数据的 CT 仪器型号未必一致，且采集环境标准也可能不同。对于这种复杂混合的数据集，如果按照同一种数据预处理方法直接处理，最后生成的数据可能存在一些问题。例如，本文使用相同的数据预处理方法，处理同一数据集中的两个样本时得到的图像如图 3.1.a，3.1.b 所示
【参考文献】：
期刊论文
[1]深度学习算法中卷积神经网络的概念综述[J]. 李策,陈海霞,汉语,左胜甲,赵立刚. 电子测试. 2018(23)
[2]K-means算法研究综述[J]. 丛思安,王星星. 电子技术与软件工程. 2018(17)
[3]基于卷积神经网络的胸片肺结节检测[J]. 朱国策,李朝锋. 传感器与微系统. 2017(12)
[4]基于深度学习的医学影像诊断综述[J]. 张巧丽,赵地,迟学斌. 计算机科学. 2017(S2)
[5]基于漫水填充算法的肺实质分割方法[J]. 冯宗雪,董晓. 电脑知识与技术. 2016(18)
[6]肺癌的流行病学及治疗现状[J]. 姚晓军,刘伦旭. 现代肿瘤医学. 2014(08)
[7]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[8]电子计算机辅助诊断（CAD）的原理及临床应用[J]. 舒荣宝,王成林. 中国CT和MRI杂志. 2004(02)
[9]一种肺部肿瘤CT图象序列的自动分割方法[J]. 姜晓彤,罗立民,汪家旺,潘晓敏,周正东. 中国图象图形学报. 2003(09)
[10]神经网络综述[J]. 巫影,陈定方,唐小兵,朱石坚,黄映云,李庆. 科技进步与对策. 2002(06)
博士论文
[1]基于SVM的肺结节自动识别方法研究[D]. 张婧.华南理工大学 2011
硕士论文
[1]基于SVM的肺部CT图像特征提取及分类研究[D]. 马杨林.西华大学 2012
本文编号：3256266
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3256266.html
