基于深度学习肺部CT图像分割算法研究

发布时间：2022-11-10 22:44

　　肺癌是一种世界性的高发疾病,死亡率更是居高不下。早发现,早治疗是提高肺癌的治愈率和延长患者生命周期的重要手段,而肺结节是肺癌早期的主要表现形式,因此,对肺结节的早期诊断分析是提高肺癌患者生存率的关键。利用计算机断层扫描技术（Computed Tomography,CT）筛查肺结节是目前通常采用的诊断方法。随着患者的日益增多,肺部CT数据也在呈指数级地增长,无疑给医师的人工筛查工作带来了巨大的挑战和负担,因此使用计算机辅助诊断（Computer Aided Diagnosis,CAD）技术进行肺结节检测分割十分必要,能极大的提高医师的诊断效率并进一步提高肺癌诊断的准确率。由于肺结节在尺寸、形状上的多变性以及与肺部血管等组织的相似性。在使用传统分割方法进行肺结节分割时,过于依赖医师的先验知识及主观判断,导致容易出现漏分割和过分割的情形。利用深度学习算法的分割过程不再需要人为选择特征,并且能够提取到更具体、更有辨识度的信息,将深度学习算法用于医学图像分割现已成为一个重要的研究方向。U-Net网络因结构简单、泛化能力强,已广泛应用于医学图像处理领域。本文基于U-Net模型完成了对肺部CT图像的... 

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 论文研究背景与意义
    1.2 国内外研究现状
        1.2.1 传统的医学图像分割方法
        1.2.2 基于深度学习的医学图像分割方法
        1.2.3 肺结节分割方法及难点
    1.3 论文主要工作与结构安排
第二章 深度学习相关理论简介
    2.1 人工神经网络
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 Dropout
        2.2.4 损失函数
        2.2.5 优化器
    2.3 全卷积神经网络
    2.4 本章小结
第三章 基于RIU-Net的肺结节分割方法研究
    3.1 U-Net网络结构
    3.2 RIU-Net模型设计
        3.2.1 规范化层
        3.2.2 Residual网络
        3.2.3 Inception网络
        3.2.4 RIU-Net模型
    3.3 肺结节分割算法设计
        3.3.1 数据预处理
        3.3.2 网络训练
    3.4 实验结果与分析
        3.4.1 数据集介绍
        3.4.2 评价指标
        3.4.3 分割实验分析
    3.5 本章小结
第四章 基于RISEU-Net的肺结节分割方法研究
    4.1 RISEU-Net模型设计
        4.1.1 SE模块
        4.1.2 金字塔池化模块
        4.1.3 损失函数的改进
        4.1.4 RISEU-Net模型
    4.2 实验结果与分析
        4.2.1 数据集介绍
        4.2.2 评价指标
        4.2.3 分割实验分析
        4.2.4 消融实验分析
    4.3 本章小结
第五章 基于3D CNN的肺结节假阳性筛查
    5.1 数据预处理
    5.2 肺结节假阳性分类模型设计
    5.3 实验结果与分析
        5.3.1 评价指标
        5.3.2 实验分析
    5.4 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献



本文编号：3705412