基于CT图像的肺结节检测分类算法研究

发布时间：2022-12-18 19:10

　　肺癌目前是我国发病率和死亡率最高的恶性肿瘤,由于肺癌的早期临床表现并不明显,大多数患者等到出现临床症状时已处于肺癌中晚期,即使经手术、放疗和化疗等积极治疗,患者的生存率依然较低。因此,如果能够对肺癌进行早期筛查、早期发现、早期诊断,这样就可以有效地提高患者的生存率,改善患者的生活质量。肺癌的早期表现形式是肺结节,因此对肺结节的检测与诊断具有重大意义。近年来,深度学习方法在图像领域取得了巨大成功,深度学习技术在肺癌诊断方面也得到了广泛的应用,主要集中于肺部CT图像。在肺结节检测系统中,对肺结节的快速准确检测是一项具有挑战性的工作,目前已有研究大多存在假阳性率高的问题。针对这样的问题,本文重点提出了基于ResNet模型的假阳性去除算法。本文的主要工作如下:首先,介绍了DICOM标准和DICOM文件格式的解析,然后对医学CT图像的特点及数据预处理进行介绍,介绍了卷积神经网络的发展和基本的结构,文中介绍了采用的ResNet的结构和特点;其次,介绍了本文实验中所采用的数据集,LUNA16数据集,对数据集中数据的分布进行了分析,并对数据集中体素的距离进行了设定,由于数据集中正样本数量过少,本文采用... 

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
    1.3 论文主要研究内容
    1.4 论文结构
第2章 相关技术理论介绍
    2.1 DICOM标准与文件格式
        2.1.1 DICOM标准
        2.1.2 DICOM文件格式
        2.1.3 DICOM文件解析
    2.2 医学CT图像特点及数据预处理
        2.2.1 医学CT图像特点
        2.2.2 数据预处理
    2.3 卷积神经网络
    2.4 本章小结
第3章 基于ResNet的假阳性去除算法
    3.1 数据集的选取与体素距离设定
        3.1.1 LUNA16 数据集
        3.1.2 数据集的体素距离设定
        3.1.3 数据增强
    3.2 网络设计
        3.2.1 patch size大小对模型性能的影响
        3.2.2 基于ResNet模型的网络结构设计
    3.3 网络优化
        3.3.1 Batch Normalization
        3.3.2 随机梯度下降优化算法
    3.4 网络训练
    3.5 本章小结
第4章 实验结果与分析
    4.1 实验评价标准
    4.2 结果分析
        4.2.1 实验环境
        4.2.2 实验结果
        4.2.3 集成策略
        4.2.4 实验分析
    4.3 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简介及在学期间所取得的科研成果
致谢


【参考文献】：
期刊论文
[1]基于深度学习的肺结节检测[J]. 孟以爽,易平,顾问,郭雪君.  计算机时代. 2018(02)
[2]多输入卷积神经网络肺结节检测方法研究[J]. 赵鹏飞,赵涓涓,强彦,王峰智,赵文婷.  计算机科学. 2018(01)
[3]基于Bootstrap-异质SVM集成学习的肺结节分类方法[J]. 高峰,代美玲,祁瑾.  天津大学学报(自然科学与工程技术版). 2017(03)
[4]基于深度信念网络的肺结节良恶性分类[J]. 杨佳玲,赵涓涓,强彦,郝晓燕,王峰智.  科学技术与工程. 2016(32)
[5]基于有监督哈希的肺结节CT图像检索[J]. 潘玲,杜晓平,赵涓涓.  计算机应用研究. 2017(09)
[6]CT图像肺结节计算机辅助检测技术研究进展[J]. 龚敬,聂生东.  北京生物医学工程. 2016(01)
[7]基于深度学习的图像自动标注算法[J]. 杨阳,张文生.  数据采集与处理. 2015(01)

博士论文
[1]低剂量螺旋CT早期肺癌筛查—肺结节的检出及其相关研究[D]. 蔡强.北京协和医学院 2011

硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014



本文编号：3722605