基于PET/CT融合的肺癌分型系统

发布时间：2024-02-01 11:34

　　肺癌的筛查一般需要PET-CT医学影像技术作为辅助手段。确定了肺癌类型,才能采用对应的医学手段进行治疗。如果只依靠医生的肉眼以及经验对肺癌的类型进行判断,不但效率低下,而且诊断效果并不理想。肺癌检测判别是医学图像领域的一个十分重要的任务,会使用到很多机器学习相关的理论和方法。然而,对于复杂问题,精确提取到图像特征应用于机器学习方法,并不是一件容易的事。面对日益增长的癌症诊断需求和耗时耗力并且准确率并不高的肺癌分型任务,本课题研究了神经网络进行肺癌分型的可能并设计了不同的网络结构进行对比实验。在之前的研究中,PET-CT的中两种模态数据经常单独使用。本课题充分利用了可使用的数据,通过神经网络,利用了多模态的数据,考察了CT,PET数据分别单独作为网络输入的效果,以及使用不同的网络结构对CT,PET数据进行融合的神经网络的效果。系统实现过程对比了在输入层进行融合(Fusion of Pixel Maps,FPM),对特征图进行融合(Fusion of Feature Maps,FFM)以及在全联接前的特征向量进行融合(Fusion of Vectors,FV)这三种融合方式,其中对特征图进...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图1-1病人的一张CT图像示例

哈尔滨工业大学工学硕士学位论文-6-图1-1病人的一张CT图像示例图1-2病人的一张PET图像示例肺癌分型任务是医学图像领域的一个十分重要的任务。在先前对于肺癌分型任务的研究中，学者使用到很多传统机器学习相关的理论和方法。早在1985年，就有学者通过if-else式的专家系统（e....

图1-2病人的一张PET图像示例

哈尔滨工业大学工学硕士学位论文-6-图1-1病人的一张CT图像示例图1-2病人的一张PET图像示例肺癌分型任务是医学图像领域的一个十分重要的任务。在先前对于肺癌分型任务的研究中，学者使用到很多传统机器学习相关的理论和方法。早在1985年，就有学者通过if-else式的专家系统（e....

图1-3LeNet的网络结构

淖茏⑸浼亮浚??募扑闳绻??-5所示。DoseCorrected=DoseTotal×201HalfLife(1-5)其中，DoseTotal表示总的注射剂量，t0表示开始注射的时间，t1表示进行PET图像拍时的时间，HalfLife表示注射药物的半衰期。最终，经过反复验证和实验....

图1-4AlexNet的网络结构

哈尔滨工业大学工学硕士学位论文-10-消失或梯度爆炸的问题。在该网络中，作者使用了ReLU函数作为激活函数，利用该函数在自变量大于0的时候，梯度为1的特点，解决了梯度爆炸的问题。并且在训练时使用了Dropout，这样可以方式过拟合，增强模型的泛化能力。在AlexNet中，使用了o....

本文编号：3892045