基于深度学习的医学CT图像肝肿瘤与肺结节检测

发布时间：2024-12-08 22:14

　　肝癌和肺癌是当前发病率很高的疾病,致死率也在逐年增加。基于深度学习的人工智能算法在不断进步,快速地推动了智慧医疗的发展,深度学习算法在医生诊疗癌症过程中起了重要作用。通过构建基于深度学习的检测算法可以完成医学CT图像中肝肿瘤和肺结节的自动化标注,辅助医生诊疗。不仅如此,自动化的深度学习检测算法通过训练大量医生标注的高质量数据,可以在网络中学习医生的诊疗知识,这样将集成好的深度学习算法应用到医疗不发达地区,可以提高该地区的医疗水平,降低医生们阅读CT影像的工作量。本文主要研究通过深度学习方法进行肝肿瘤和肺结节的检测,一种是利用目标检测方法进行肺结节的检测,另一种是利用图像分割算法进行肝肿瘤的分割。根据数据的标签是坐标还是掩膜,选取不同的方法。标签是坐标选取目标检测方法,标签是掩膜则选取图像分割算法。病灶检测的难点主要在于小病灶很难发现,无论是小肿瘤还是小结节都不容易检测。为了方便处理医学图像,本文提出了医学CT图像的处理方法,对不同类型的医学CT图像进行归一化。为了完成小结节的检测,本文提出了基于密集连接网络的多尺度肺结节检测方法,可以检测两种尺度范围的结节,网络设置更加偏向小结节的检测。...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
        1.1.1 课题背景
        1.1.2 研究的目的和意义
    1.2 国内外研究现状
        1.2.1 传统方法与深度学习方法的性能差别
        1.2.2 基于全卷积网络的病灶图像分割算法
        1.2.3 基于目标检测方法的病灶检测探究
        1.2.4 国内医学CT图像病灶检测研究现状
        1.2.5 研究现状总结
    1.3 论文内容及结构
第2章 CT图像预处理及深度学习理论基础
    2.1 医学CT图像预处理操作
        2.1.1 常见CT图像数据格式
        2.1.2 肺结节检测数据集
        2.1.3 肝肿瘤检测数据集
        2.1.4 图像处理基础知识
        2.1.5 数据预处理
    2.2 卷积神经网络理论基础
    2.3 CT病灶目标检测算法理论基础
        2.3.1 基于目标检测算法的检测原理
        2.3.2 基于目标检测算法的网络结构
    2.4 CT病灶图像分割方法理论基础
        2.4.1 基于Unet3D的图像分割算法
        2.4.2 基于Unet3D的算法网络结构
    2.5 本章小结
第3章 基于深度学习的肺结节检测方法
    3.1 基于密集网络的肺结节检测算法
        3.1.1 密集连接检测方法
        3.1.2 网络结构设计
    3.2 基于深度学习的假阳性降低算法
        3.2.1 假阳性降低方法
        3.2.2 网络结构设计
    3.3 实验结果与分析
        3.3.1 肺结节检测实验流程
        3.3.2 肺CT器官分割算法对比实验
        3.3.3 肺CT结节检测算法对比实验
    3.4 本章小结
第4章 基于深度学习的肝肿瘤检测方法
    4.1 基于序列化抽取的肝脏分割算法
        4.1.1 序列化抽取方法
        4.1.2 网络结构设计
    4.2 基于特征融合Unet的肝肿瘤检测算法
        4.2.1 特征融合Unet网络方法
        4.2.2 网络结构设计
    4.3 实验结果与分析
        4.3.1 肝肿瘤检测实验流程
        4.3.2 肝CT器官分割算法对比实验
        4.3.3 肝CT肿瘤检测算法对比实验
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他研究成果
致谢



本文编号：4015088