基于CT影像的肺结节检测与提取方法的研究

发布时间：2021-02-03 01:54

　　2018年美国癌症学会官方期刊《临床医师癌症杂志》公布,全球肺癌的发病率及死亡率在所有恶性肿瘤中均占首位,其严重地威胁着人们的生命健康。而肺癌生存率与病人首次确诊时的疾病阶段关系密切,由于早期肺癌的症状大多不明显,从而导致临床确诊时疾病阶段往往已达中晚期,因此对肺癌的早期精确检测及诊断具有非常重要的意义。在研究过程中发现肺癌的表现形式多是肺部出现肺结节病灶,本课题针对肺部CT扫描图像设计基于人工智能算法的肺结节检测与提取方法,以辅助医师实现对肺结节的精确检测与诊断的任务:（1）通过对含有肺结节的肺部CT图像进行深层卷积神经网络（DCNN）训练,构建肺结节模型;利用训练好的肺结节模型预测待测数据,得到肺结节的位置和是肺结节的概率值。其中DCNN训练肺结节模型算法包括:卷积神经网络提取肺结节图像的特征图、RPN网络提取肺结节候选区域及感兴趣区域（ROI）分类和回归,从而得出肺结节的概率值和肺结节的位置坐标值。解决CT扫描图像中肺结节形态种类较多、差异较大,较难实现高准确检测定位的问题。（2）在基于机器学习的肺结节区域准确定位的基础上,对肺部CT图像进行数学形态学处理得到肺实质图像;根据检测... 

【文章来源】：天津工业大学天津市

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图２－１良性和恶性肺结节图像??

［３３］。对检测到的肺结节由放射科医生手动分割需要花费２０分钟，以获得肺结节??的区域，肺结节图像如图２－２所示，由放射科医生标注的肺结节的边界如图２－??２（ａ）所示。肺结节在３Ｄ状态下显示为类球形，如图２－２（ｂ）所示，显示的是ＧＧＯ??的三维图像，其中间含有实性部分。??Ｈｉ??ＨＨ??（ａ）医生标注的肺结节边界?（ｂ）肺结节３Ｄ图像??图２－２肺结节图像显示??２．２肺结节检测和分割总体方案概述??肺结节的早期检测与诊断十分重要。本课题针对计算机辅助肺结节诊断设??计了肺结节检测模块与肺结节分割模块的总体方案，系统总体框架如图２－３所??示，分为两大部分：肺结节检测①和肺结节分割②。??首先，肺结节检测部分采用深度学习算法，具体步骤为：??（１）

［３３］。对检测到的肺结节由放射科医生手动分割需要花费２０分钟，以获得肺结节??的区域，肺结节图像如图２－２所示，由放射科医生标注的肺结节的边界如图２－??２（ａ）所示。肺结节在３Ｄ状态下显示为类球形，如图２－２（ｂ）所示，显示的是ＧＧＯ??的三维图像，其中间含有实性部分。??Ｈｉ??ＨＨ??（ａ）医生标注的肺结节边界?（ｂ）肺结节３Ｄ图像??图２－２肺结节图像显示??２．２肺结节检测和分割总体方案概述??肺结节的早期检测与诊断十分重要。本课题针对计算机辅助肺结节诊断设??计了肺结节检测模块与肺结节分割模块的总体方案，系统总体框架如图２－３所??示，分为两大部分：肺结节检测①和肺结节分割②。??首先，肺结节检测部分采用深度学习算法，具体步骤为：??（１）


本文编号：3015714