基于卷积神经网的肺部CT辅助诊断的研究
发布时间：2021-12-16 08:39
肺癌是对人类生命健康威胁最大的恶性肿瘤之一,人们希望通过尽早诊断来降低肺癌患者的死亡率。而计算机断层扫描成像（computed tomography,CT）是现代医学中诊治肺癌的主要手段之一。但一张肺部CT影像的像素往往达到了百万级,其中用于判断是否患肺癌的肿瘤结节却仅仅只有十几像素,这使得早期肺癌诊断面临着极大的困难。计算机辅助诊断（Computer Aided Diagnosis,CAD）将CT图像中提取的肺部区域的结构特征作为“第二项意见”（secondopinion）,用以辅助医师判断患者的肺结节的良恶性,对早期肺癌的筛查有着重要的临床指导意义。目前,对肺癌领域CAD的研究大多仍停留在人工定义结节特征的阶段。本文拟采用改进的卷积神经网络模型（Convolutional Neural Networks,CNN）对肺部CT片进行良恶性诊断,主要进行了四个方面的工作:（1）系统的分析了当前计算机辅助诊断以及卷积神经网络这两个技术领域在国内外的研究动态,阐明现有技术存在的可改进之处和本文的实现意义所在。（2）研究了医学影像独有的DICOM格式的数据文件,对实验样本的影像信息进行描述分析...
【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１－１常见肺部ＣＡＤ流程图??ＣＡＤ在早期肺癌的临床上的实际应用效果还差强人意
第一章引言别领域进军［３气２０１５年，Ｆａｒｆａｄｅ等人设计出一种无需标注面部姿势的经网络，在提高模型效率的同时验证其性能优于传统方法。Ｇｏｏｇｌｅ研发神经网络的围棋人工智能“阿尔法狗（ＡｌｐｈａＧｏ）?”在２０１６年３月的“围棋击败了职业九段棋手李世石，２０１７年５月又在中国乌镇围棋峰会上击败冠军柯洁［３２］。图１－２对上述卷积神经网发展历史中的里程碑事件进行了卷积神经网络强大的特征提取能力和拟生物结构不仅迎合了时代的需求，了时下图像识别领域的研宄热点。??ＢＰ霖法ＩｍａｇｅＮｅｔ?
医学影像技术主要包括有ＣＴ、ＣＲ、ＭＲＩ等等，并且成像时会经由放射科技师进??行调参和处理，成片后再交由诊断医师进行判读。ＣＴ成像作为一种常用的肺癌普查??的放射医学手段，其实质如图２－１所示：Ｙ射线照射人体器官后，因为人体各组织部??位的结构、密度等差异导致了穿透不同部位的ｉ射线量存在区別；穿透人体的射线??产生的光信号通过探测器和模拟／数字转换器（ＡＤＣ，Ａｎａｌｏｇ－ｔｏ－Ｄｉｇｉｔａｌ?Ｃｏｎｖｅｒｔｅｒ）?０１实??现向电信号、数字信号的转换［４２ｉ，最后由计算机处理后得到重建的人体内部器官的黑??白影像。??Ｔ＼?［＞＾＞｜?丨门／＃??ｘ光—１卜—Ｉ?丫?——电信号—?一数字信号’像＿＋＿??．一＂一：：，／?Ａ．?＇?‘?Ｊ??Ｕ?Ｕ?沒習．?梭拟／数ｆ：转换器?计钚机?肺部ＣＴ??ａｎａｌｏ＾ｄｉｇｉｔａ］?ｃｏｎｖｅｒｔｅｒ??图２－１?ＣＴ成像流程??若假设Ｙ射线照射某物质时有入射强度为Ｓｉｎ，穿透该均匀物质后其强度因部分??光子被介质吸收而衰减为Ｓ。＾则可定义８？，与Ｓｕｕｔ之间的关系为：??Ｓｏｕｔ＝Ｓｉｎ．ｅ?一?（２－１）??公式（２－１）中的Ａ表示该物质对应Ｚ射线的衰减系数，Ａｄ表示Ｘ射线在物质??中所经过的距离长度。Ｘ射线穿透ｎ个衰减系数不同的物质时，Ｓｉｎ与Ｓｏｍ之间由（２－１）??式变形为（２－２）的形式。??Ｓ０Ｕｔ＝Ｓｉｎ．（ｅｆ
【参考文献】：
期刊论文
[1]一种移动式TensorFlow平台的卷积神经网络设计方法[J]. 李河伟. 电脑知识与技术. 2017(22)
[2]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升. 生物医学工程学杂志. 2017(02)
[3]基于区域信息的深度卷积神经网络研究综述[J]. 曹钰. 电子世界. 2017(06)
[4]基于改进的卷积神经网络的图像分类性能[J]. 常祥,杨明. 重庆理工大学学报(自然科学). 2017(03)
[5]卷积神经网络的研究及应用分析[J]. 史晓霞,谭立辉. 电脑编程技巧与维护. 2017(03)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 高歌,马帅,王霄英. 放射学实践. 2016(12)
[8]SVM训练数据归一化研究[J]. 汤荣志,段会川,孙海涛. 山东师范大学学报(自然科学版). 2016(04)
[9]机器学习在肿瘤早期诊断与预后预测中的应用[J]. 施维,薛均,潘璀然,任元凯,倪正杰,张远鹏,王理,吴辉群,蒋葵,董建成. 医学信息学杂志. 2016(11)
[10]深度学习及其在医学图像分析中的应用研究[J]. 王媛媛,周涛,吴翠颖. 电视技术. 2016(10)
博士论文
[1]集成学习中若干关键问题的研究[D]. 王清.复旦大学 2011
[2]基于CT影像的早期肺癌计算机辅助诊断关键技术研究[D]. 于洋.东北大学 2009
硕士论文
[1]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
本文编号：3537837
【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１－１常见肺部ＣＡＤ流程图??ＣＡＤ在早期肺癌的临床上的实际应用效果还差强人意
第一章引言别领域进军［３气２０１５年，Ｆａｒｆａｄｅ等人设计出一种无需标注面部姿势的经网络，在提高模型效率的同时验证其性能优于传统方法。Ｇｏｏｇｌｅ研发神经网络的围棋人工智能“阿尔法狗（ＡｌｐｈａＧｏ）?”在２０１６年３月的“围棋击败了职业九段棋手李世石，２０１７年５月又在中国乌镇围棋峰会上击败冠军柯洁［３２］。图１－２对上述卷积神经网发展历史中的里程碑事件进行了卷积神经网络强大的特征提取能力和拟生物结构不仅迎合了时代的需求，了时下图像识别领域的研宄热点。??ＢＰ霖法ＩｍａｇｅＮｅｔ?
医学影像技术主要包括有ＣＴ、ＣＲ、ＭＲＩ等等，并且成像时会经由放射科技师进??行调参和处理，成片后再交由诊断医师进行判读。ＣＴ成像作为一种常用的肺癌普查??的放射医学手段，其实质如图２－１所示：Ｙ射线照射人体器官后，因为人体各组织部??位的结构、密度等差异导致了穿透不同部位的ｉ射线量存在区別；穿透人体的射线??产生的光信号通过探测器和模拟／数字转换器（ＡＤＣ，Ａｎａｌｏｇ－ｔｏ－Ｄｉｇｉｔａｌ?Ｃｏｎｖｅｒｔｅｒ）?０１实??现向电信号、数字信号的转换［４２ｉ，最后由计算机处理后得到重建的人体内部器官的黑??白影像。??Ｔ＼?［＞＾＞｜?丨门／＃??ｘ光—１卜—Ｉ?丫?——电信号—?一数字信号’像＿＋＿??．一＂一：：，／?Ａ．?＇?‘?Ｊ??Ｕ?Ｕ?沒習．?梭拟／数ｆ：转换器?计钚机?肺部ＣＴ??ａｎａｌｏ＾ｄｉｇｉｔａ］?ｃｏｎｖｅｒｔｅｒ??图２－１?ＣＴ成像流程??若假设Ｙ射线照射某物质时有入射强度为Ｓｉｎ，穿透该均匀物质后其强度因部分??光子被介质吸收而衰减为Ｓ。＾则可定义８？，与Ｓｕｕｔ之间的关系为：??Ｓｏｕｔ＝Ｓｉｎ．ｅ?一?（２－１）??公式（２－１）中的Ａ表示该物质对应Ｚ射线的衰减系数，Ａｄ表示Ｘ射线在物质??中所经过的距离长度。Ｘ射线穿透ｎ个衰减系数不同的物质时，Ｓｉｎ与Ｓｏｍ之间由（２－１）??式变形为（２－２）的形式。??Ｓ０Ｕｔ＝Ｓｉｎ．（ｅｆ
【参考文献】：
期刊论文
[1]一种移动式TensorFlow平台的卷积神经网络设计方法[J]. 李河伟. 电脑知识与技术. 2017(22)
[2]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升. 生物医学工程学杂志. 2017(02)
[3]基于区域信息的深度卷积神经网络研究综述[J]. 曹钰. 电子世界. 2017(06)
[4]基于改进的卷积神经网络的图像分类性能[J]. 常祥,杨明. 重庆理工大学学报(自然科学). 2017(03)
[5]卷积神经网络的研究及应用分析[J]. 史晓霞,谭立辉. 电脑编程技巧与维护. 2017(03)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]计算机辅助诊断在医学影像诊断中的基本原理和应用进展[J]. 高歌,马帅,王霄英. 放射学实践. 2016(12)
[8]SVM训练数据归一化研究[J]. 汤荣志,段会川,孙海涛. 山东师范大学学报(自然科学版). 2016(04)
[9]机器学习在肿瘤早期诊断与预后预测中的应用[J]. 施维,薛均,潘璀然,任元凯,倪正杰,张远鹏,王理,吴辉群,蒋葵,董建成. 医学信息学杂志. 2016(11)
[10]深度学习及其在医学图像分析中的应用研究[J]. 王媛媛,周涛,吴翠颖. 电视技术. 2016(10)
博士论文
[1]集成学习中若干关键问题的研究[D]. 王清.复旦大学 2011
[2]基于CT影像的早期肺癌计算机辅助诊断关键技术研究[D]. 于洋.东北大学 2009
硕士论文
[1]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
本文编号：3537837
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3537837.html
最近更新
教材专著
