基于深度学习的尘肺病医学影像分析与应用

发布时间：2023-02-18 13:53

　　尘肺病是一种由于长期吸入生产性粉尘而引起的以肺组织弥漫性纤维化为主的全身性疾病,它目前是我国职业病中发病率第一的疾病。尘肺病的诊断依据主要来自于医生对肺部医学影像的分析判断,而在现代的医疗中,计算机辅助的医学影像分析技术已经被广泛使用。近些年来由于深度学习的重大突破,基于深度学习方法的医学影像分析研究逐渐成为主流。然而尘肺病作为我国高发的职业病,关于它的研究却并不多,还存在着待研究的问题:一是基于人工特征算法的尘肺病影像识别精度较低,二是算法分类结果缺乏可解释性。本文结合尘肺病本身的病理特点,围绕这两个问题展开了关于尘肺病X光片识别的研究与应用。首先,针对人工特征方法对于尘肺病患病期别分类精度较低的问题,提出了基于深度卷积神经网络的层级分类方法。该方法分为两阶段,首先判断样本是否患病,然后再细分识别为“患病”样本的期别。在该方法的设计中,考虑了两个要点:一是单层级的基分类器要尽可能准确,为了设计好的基分类器,本文对比分析了多种深度卷积神经网络的分类结果,并基于代价敏感方法对选出深度卷积神经网络进行调优;二是所有层级的基分类器联合起来最终分类结果要尽量准确,为了调优最终效果,本文通过对比...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状与相关工作
        1.2.1 深度卷积神经网络
        1.2.2 基于深度学习的医学影像分析
        1.2.3 深度学习可解释性研究
    1.3 待研究问题
    1.4 本文工作
        1.4.1 本文工作内容
        1.4.2 本文组织
第二章 基于深度学习的尘肺病识别层级分类方法
    2.1 概述
        2.1.1 背景与动机
        2.1.2 本章工作
    2.2 相关知识
        2.2.1 稠密连接网络
        2.2.2 代价敏感方法
    2.3 算法介绍
        2.3.1 层级分类方法
        2.3.2 基分类器选择与调优
        2.3.3 截断点选取
    2.4 实验结果与分析
        2.4.1 实验数据集
        2.4.2 实验设置
        2.4.3 评价指标
        2.4.4 结果与分析
    2.5 小结
第三章 基于判别性区域发现的尘肺病细粒度病理特征提取
    3.1 概述
        3.1.1 背景与动机
        3.1.2 本章工作
    3.2 相关知识
        3.2.1 CAM可解释性技术
        3.2.2 主成分分析
    3.3 算法介绍
        3.3.1 符号描述
        3.3.2 判别性区域发现
        3.3.3 细粒度病理特征提取
    3.4 实验结果与分析
        3.4.1 实验数据集和实验设置
        3.4.2 判别性区域发现结果
        3.4.3 细粒度病理特征提取结果
    3.5 小结
第四章 尘肺病识别系统设计与实现
    4.1 概述
        4.1.1 背景与动机
        4.1.2 本章工作
    4.2 系统设计
        4.2.1 需求分析
        4.2.2 流程分析
    4.3 系统实现
        4.3.1 系统架构
        4.3.2 开发环境
        4.3.3 关键技术
        4.3.4 系统展示
    4.4 小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
简历与科研成果
致谢



本文编号：3745092