基于深度学习的肺结节分割算法研究

发布时间：2023-03-23 18:00

　　肺癌是我国发病率和死亡率最高的疾病,近几年发病率仍有继续增长的趋势,严重影响着我国人民的健康状况。肺癌早期没有明显的表征,当出现病症时绝大部分患者都已处于晚期阶段,即使花费大量的医疗资源,其预后的存活率仍然较低。肺癌早期阶段在影像学上主要以结节的形式存在。肺癌的早期筛查可及早的发现病情,以较低的医疗成本换取病人较高的存活率。因此,早期筛查对肺癌的治疗具有极为重要的意义。本文针对结节的特征以及已有深度学习网络的缺点,以研究高精度肺结节分割算法为研究目标提出新的肺结节分割模型,并使用LIDC-IDRI肺结节公开数据集中不同类型的肺结节来验证模型的分割性能。主要内容如下:(1)提出了肺部CT图像预处理方式。首先将原始图像使用高斯滤波和中值滤波对图像去噪,并将图像分为训练集和验证集,并使用平移、镜像、旋转、缩放等方法对训练集进行增广,根据XML文件结构及读取原理提取专家标注的结节轮廓,为后续的实验提供实验数据。其次针对CT图像的特征使用图像标准化、K-Means算法、形态学操作等一系列算法获取肺实质Mask,并利用肺实质Mask获取完整的肺实质区域。(2)针对U-Net及其变形的肺结节分割算法...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 基于阈值的分割方法
        1.2.2 基于边缘的分割方法
        1.2.3 基于区域的分割方法
        1.2.4 基于模板匹配的分割方法
        1.2.5 基于活动轮廓的分割方法
        1.2.6 基于深度学习的分割方法
    1.3 本论文的主要研究内容
第2章 CT图像原理及肺结节基础
    2.1 CT成像原理
    2.2 DICOM标准简介
    2.3 肺结节特征及分类
    2.4 实验数据集
    2.5 肺部结节信息的获取
    2.6 本章小结
第3章 肺部CT图像预处理及肺实质分割算法研究
    3.1 概述
    3.2 图像噪声及滤波
        3.2.1 图像噪声的定义及类型
        3.2.2 图像滤波方法
    3.3 肺实质提取
        3.3.1 图像标准化
        3.3.2 使用K-Means算法提取肺实质Mask
        3.3.3 图形学处理
    3.4 肺实质分割结果
    3.5 本章小结
第4章 基于ResWnet的肺结节分割方法研究
    4.1 目前算法存在的问题
    4.2 提出的方法
        4.2.1 ResWnet网络
        4.2.2 改进的残差块
        4.2.3 图像金字塔
        4.2.4 图像融合
    4.3 实验结果与分析
        4.3.1 评价标准
        4.3.2 实验环境
        4.3.3 消融实验
        4.3.4 实验结果
    4.4 本章小结
第5章 基于ResBlocknet的肺结节分割方法研究
    5.1 网络结构
        5.1.1 Blocknet网络
        5.1.2 改进的残差模块
        5.1.3 融合1 模块
        5.1.4 融合2 模块
    5.2 消融实验
    5.3 对不同种类肺结节分割结果的分析
        5.3.1 孤立型结节分割效果分析
        5.3.2 粘连肺壁型结节分割效果
        5.3.3 血管粘连型结节分割效果
        5.3.4 磨玻璃型结节分割效果
    5.4 同一CT图像含多个结节分割的鲁棒性检验
    5.5 与其他方法的对比
    5.6 本章小结
总结与展望
    论文总结
    研究展望
参考文献
致谢
附录A 攻读学位期间发表论文与研究成果



本文编号：3768479