基于卷积神经网络的肺部肿瘤PET/CT计算机辅助诊断研究

发布时间：2024-03-05 20:01

　　研究背景深度学习被引入机器学习领域使其更接近于人类最初的目标—人工智能,卷积神经网络作为深度学习典型模型于计算机视觉领域取得显著成绩。随着肺癌严重威胁人类生命健康,基于数字影像的早诊断早治疗对于肺癌患者至关重要,将计算机辅助诊断系统作为医生的第二双眼睛可以提供精确的定量分析,弥补人眼惰性及对灰阶不敏感的缺陷,从而帮助医生快速诊疗,达到对于图像和疾病解释的一致性。研究目的以肺部肿瘤CT、PET和PET/CT融合图像三模态图像作为研究对象,基于新型的深度学习算法—卷积神经网络对肺部肿瘤图像进行识别研究以实现肺部肿瘤计算机辅助诊断,帮助医生准确诊疗,提高阅片效率,降低劳动强度,从而推动计算机智能化进程,实现深度学习在医学领域的临床应用。研究方法在卷积神经网络模型结构的基础上,提出了集成卷积神经网络和深度卷积神经网络两种特殊的模型结构分别用于肺部肿瘤图像识别。在不同的肺部肿瘤PET/CT样本空间构建三个单一卷积神经网络(CT-CNN、PET-CNN、PET/CT-CNN)的基础上,构建集成卷积神经网络基于局部特征进行肺部肿瘤识别研究;构建深度卷积神经网络基于CT全局特征用于肺部肿瘤的识别;采用...

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图7CT、PET、PET/CT原始图像

软、硬件环境如下：s7操作系统，MatlabR2014bonCPUE5-2407v2@2.40GHz，32.0GB内医科大学总医院影像科获取CT、PET和PT、PET和PET/CT三种模态数据各3000部肿瘤的1500例和正常的1500例，为....

图8预处理后部分图像

大学硕士学位论文第三章基于集成CNN和局部特征的肺部肿瘤PET/CT识别一对应手动缩小病灶范围，提取ROI区域，并将实验图像大小归一化为2850，保证数据本身的统一性并为了更好的验证卷积神经网络的整体性能，经预部分实验数据如图8所示；最后，对每一种模态的数据....

图10不同模态迭代次数与错分率的关系

敏度(%)70.0097.3395.33100.0097.33100.00100.0异度(%)66.6796.0098.6796.67100.0096.6798.00迭代次数高于10次后基本达到96%的准确识别率，随增长浮动，迭代50次后识别....

图11迭代次数与错误率的关系

（1）迭代次数和批次大小对识别率和训练时间的影响图11显示了迭代次数与错分率之间的关系，可以看出不管批量训练的大小是多少，随着迭代次数的增加，错分率都在降低，当迭代次数超过50次时，识别率高达98%左右，但随着训练次数的继续增加，识别率维持在较高的水平，基本不会出现过训....

本文编号：3919970