基于胸部CT的肺结节计算机自动检测与人工智能辅助诊断关键技术研究
发布时间：2022-01-15 14:44
肺癌是人类所有癌症中发病率和死亡率均为最高的恶性肿瘤。肺癌的早期发现和治疗能够极大地提高患者的存活率。临床上一般使用低剂量螺旋CT进行肺结节筛查来实现肺癌早期筛查的目的。医生需要从大量薄层CT图像中找出各种类型的肺结节,这给医生带来了巨大的挑战。一般情况下,较大的结节查找起来比较容易,但是对于那些被血管等组织围绕的实性或磨玻璃小结节而言,即便是经验丰富的医生查找起来也非常困难。而这些小结节恰恰是临床上最常见的。疲劳加上人为的主观因素容易导致结节漏诊。另外,筛查到结节之后医生还需要对结节进一步分析并判断其良恶性,并以此为依据制定下一步诊疗计划。对结节的分析需要依赖结节的一些特征,比如大小、密度以及发生的部位等。这些特征的人工提取和判断也需要以丰富的经验为基础并且会耗费医生大量的精力。此外,对结节的人工分析存在显著的观察者间差异。因此,基于计算机的辅助诊断系统（CAD系统）一直以来是学术界和工业界的研究热点。CAD系统的设计面临的一个巨大挑战在于:肺结节的特征变化无穷、发生的部位不固定,因此难以用传统的图像处理方法来应付各种变化。本文针对上述问题,结合大量的国内外相关文献以及现有CAD系统...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【部分图文】：
图１．２肺结节自动检测ＣＡＤ系统示例??ＣＡＤ系统的设计和实现非常困难，其主要挑战在于：结节的特征变化无穷且??
?ｉ??图１．２肺结节自动检测ＣＡＤ系统示例??ＣＡＤ系统的设计和实现非常困难，其主要挑战在于：结节的特征变化无穷且??发生部位不固定，如图１．３所示。早期的依赖于传统图像处理技术和人工特征的??ＣＡＤ系统往往针对某些特殊的简单场景而设计，例如，大的实性结节或者半实??性结节［１４］。这类系统适应性较差，难以满足临床应用。随着深度学习技术ｆ３Ｍ８］的??出现和发展，ＣＡＤ系统也逐步完善起来，效果也得到了极大的提升。目前，最先??进的ＣＡＤ系统在一定程度上已经可以迗到与人工筛查（专业的胸部ＣＴ医生）相??媲美的效果。但是在某些情况之下，仍然存在差距，比如针对血管等组织周边的??小结节，现有ＣＡＤ系统的表现还差强人意。此外，自
?正文第二章胸部ＣＴ肺结节自动检测和辅助诊断概论??以及冠状面和矢状面图像。图２．１给出了一组胸部扫描的三维成像、横断面、冠状??面以及矢状面的图像例子。??ＣＴ图像一般采用ＤＩＣＯＭ标准存储和传输，即医学数字成像和通信（Ｄｉｇｉｔａｌ??Ｉｍａｇｉｎｇ?ａｎｄ?Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ?ｉｎ?Ｍｅｄｉｃｉｎｅ）＿。按照该标准定义，每张?ＤＩＣＯＭ?图??像由不同的字段（Ｔａｇ）组成，包含图像采集的重要信息，包括医院信息、ＣＴ机??器信息、患者信息、扫描协议信息以及图像自身的像素信息等。??图２．１胸部ＣＴ的三维可视化、横断面、冠状面及矢状面??ＣＴ图像中使用ＣＴ值（单位是ＨｏｕｎｓｆｉｅｌｄＵｎｉｔ，ＨＵ）来表征像素值。空气??的ＣＴ值在－１０００?ＨＵ左右，密度较高的骨组织一般在４００?ＨＵ以上，其它诸如脂肪、??软组织等则一般在－８００ＨＵ到１５０ＨＵ之间，表２．１列出了常见组织的ＣＴ值范围。??表２．１?ＣＴ中常见组织ＣＴ值范围??ＩＳ?ＣＴ?值（ＨＵ）?ＣＴ?值（ＨＵ）??骨组织?＞＝４００?５０？７０??钙化?８
【参考文献】：
期刊论文
[1]亚厘米肺小结节影像学表现同临床病理的关系[J]. 王国忠,徐美青,陈海泉. 重庆医学. 2019(10)
[2]常规剂量和低剂量CT扫描在肺结节中的诊断价值及对肺结节形态特征分析[J]. 李锋,顾迎春. 影像研究与医学应用. 2019(06)
[3]多原发肺癌的CT表现与患者预后相关性研究[J]. 张文超,李靖煦,关玉宝,杨新官,夏亭亭,张利怡,陈烨颖,董骁. CT理论与应用研究. 2019(01)
[4]联合多种高分辨CT征象对肺内孤立结节良恶性鉴别诊断价值[J]. 白少君. CT理论与应用研究. 2019(01)
[5]2018全球癌症统计报告解读[J]. 王宁,刘硕,杨雷,张希,袁延楠,李慧超,季加孚. 肿瘤综合治疗电子杂志. 2019(01)
[6]64排螺旋CT肺部后处理重建技术在非肺癌性结节诊断中的应用研究[J]. 刘加良,陈文宇,吕晓东,方志仙,孙延豹,杨芝萍,刘倬达. 中国现代医生. 2018(33)
[7]倍增时间的测定在肺小结节随访中的应用价值[J]. 周科峰,朱斌,秦国初,何健,李丹燕,窦鑫. 中国CT和MRI杂志. 2012(06)
[8]肺癌肿瘤倍增时间特点及其病理学基础[J]. 李媛,杨志刚. 生物医学工程学杂志. 2009(06)
硕士论文
[1]基于深度学习的肺结节检测与诊断研究[D]. 杨晗.郑州大学 2018
本文编号：3590800
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【部分图文】：
图１．２肺结节自动检测ＣＡＤ系统示例??ＣＡＤ系统的设计和实现非常困难，其主要挑战在于：结节的特征变化无穷且??
?ｉ??图１．２肺结节自动检测ＣＡＤ系统示例??ＣＡＤ系统的设计和实现非常困难，其主要挑战在于：结节的特征变化无穷且??发生部位不固定，如图１．３所示。早期的依赖于传统图像处理技术和人工特征的??ＣＡＤ系统往往针对某些特殊的简单场景而设计，例如，大的实性结节或者半实??性结节［１４］。这类系统适应性较差，难以满足临床应用。随着深度学习技术ｆ３Ｍ８］的??出现和发展，ＣＡＤ系统也逐步完善起来，效果也得到了极大的提升。目前，最先??进的ＣＡＤ系统在一定程度上已经可以迗到与人工筛查（专业的胸部ＣＴ医生）相??媲美的效果。但是在某些情况之下，仍然存在差距，比如针对血管等组织周边的??小结节，现有ＣＡＤ系统的表现还差强人意。此外，自
?正文第二章胸部ＣＴ肺结节自动检测和辅助诊断概论??以及冠状面和矢状面图像。图２．１给出了一组胸部扫描的三维成像、横断面、冠状??面以及矢状面的图像例子。??ＣＴ图像一般采用ＤＩＣＯＭ标准存储和传输，即医学数字成像和通信（Ｄｉｇｉｔａｌ??Ｉｍａｇｉｎｇ?ａｎｄ?Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ?ｉｎ?Ｍｅｄｉｃｉｎｅ）＿。按照该标准定义，每张?ＤＩＣＯＭ?图??像由不同的字段（Ｔａｇ）组成，包含图像采集的重要信息，包括医院信息、ＣＴ机??器信息、患者信息、扫描协议信息以及图像自身的像素信息等。??图２．１胸部ＣＴ的三维可视化、横断面、冠状面及矢状面??ＣＴ图像中使用ＣＴ值（单位是ＨｏｕｎｓｆｉｅｌｄＵｎｉｔ，ＨＵ）来表征像素值。空气??的ＣＴ值在－１０００?ＨＵ左右，密度较高的骨组织一般在４００?ＨＵ以上，其它诸如脂肪、??软组织等则一般在－８００ＨＵ到１５０ＨＵ之间，表２．１列出了常见组织的ＣＴ值范围。??表２．１?ＣＴ中常见组织ＣＴ值范围??ＩＳ?ＣＴ?值（ＨＵ）?ＣＴ?值（ＨＵ）??骨组织?＞＝４００?５０？７０??钙化?８
【参考文献】：
期刊论文
[1]亚厘米肺小结节影像学表现同临床病理的关系[J]. 王国忠,徐美青,陈海泉. 重庆医学. 2019(10)
[2]常规剂量和低剂量CT扫描在肺结节中的诊断价值及对肺结节形态特征分析[J]. 李锋,顾迎春. 影像研究与医学应用. 2019(06)
[3]多原发肺癌的CT表现与患者预后相关性研究[J]. 张文超,李靖煦,关玉宝,杨新官,夏亭亭,张利怡,陈烨颖,董骁. CT理论与应用研究. 2019(01)
[4]联合多种高分辨CT征象对肺内孤立结节良恶性鉴别诊断价值[J]. 白少君. CT理论与应用研究. 2019(01)
[5]2018全球癌症统计报告解读[J]. 王宁,刘硕,杨雷,张希,袁延楠,李慧超,季加孚. 肿瘤综合治疗电子杂志. 2019(01)
[6]64排螺旋CT肺部后处理重建技术在非肺癌性结节诊断中的应用研究[J]. 刘加良,陈文宇,吕晓东,方志仙,孙延豹,杨芝萍,刘倬达. 中国现代医生. 2018(33)
[7]倍增时间的测定在肺小结节随访中的应用价值[J]. 周科峰,朱斌,秦国初,何健,李丹燕,窦鑫. 中国CT和MRI杂志. 2012(06)
[8]肺癌肿瘤倍增时间特点及其病理学基础[J]. 李媛,杨志刚. 生物医学工程学杂志. 2009(06)
硕士论文
[1]基于深度学习的肺结节检测与诊断研究[D]. 杨晗.郑州大学 2018
本文编号：3590800
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3590800.html
最近更新
教材专著
