基于深度学习的医学图像分类研究

发布时间：2021-07-12 06:55

　　随着社会的发展,汽车尾气和工业大气污染的日益增多,肺癌已成为威胁人们生命健康的恶性肿瘤之一,而胸部影像学检查是肺癌检测的常用手段。通过患者的胸片、骨扫描、CT检查、MRI检查等技术手段可以较为清晰地观察患者的肺部整体信息与病灶区域信息。不同的肺部阳性结节点往往具有相似的形态、密度等特征,这些相似的特征是医生进行肺癌诊断的重要依据。如何从患者的多张肺部图片中准确找出结节点的位置、对结节恶化程度进行评估成为计算机辅助诊断肺癌的关键技术。传统基于深度学习的分类网络在检测肺部医学图像时往往采用二维卷积核,忽略了该患者肺部图像在前后多帧空间上的相关信息,造成肺部结节点空间特征提取不完全,降低了检测精度。针对拥有二维卷积核的深度学习检测算法存在的问题与缺陷,本文改良了C3D1.1神经网络算法,使其能通过三维卷积核较为完整的提取出肺部结节点的空间特征,进而提高结节点检测与分类的精度。该算法网络的输入数据由单张患者肺部图像改为多张空间相邻的图像同时输入,每次取固定的分割窗口大小,根据不同方向上移动预设步长,对输入的多张图像进行多次剪裁。将单个病患输入的多张图像转变为多个固定大小的二维序列待卷积图像,并... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

卷积神经网络的简化神经单元

具有一个隐含层的神经网络1LayerL3LayerL2LayerL1

MNIST数据集


本文编号：3279441