基于多期相CT影像的肝脏病灶检测和分类算法研究

发布时间：2024-01-04 19:13

　　在世界范围内,癌症已经成为致死率最高的病因,其中肝癌的致死率位列第四。癌症早期诊断和治疗是降低癌症死亡率的主要措施。计算机辅助诊断(CAD)系统的目标之一是实现基于医学影像的癌症早期诊断,因而一直得到学术界和工业界的关注。CAD系统包含两个重要步骤:即病灶检测和病灶分类。因此,基于多期相CT影像,研究精确的肝脏病灶检测和分类方法,具有重要的临床应用价值。随着人工智能技术快速发展,基于卷积神经网络(CNN)的深度学习模型在许多计算机视觉任务上都取得了突破性的进展。近年来,众多基于CNN的改进模型也被广泛应用于CAD系统中。然而,多期相CT影像中肝脏病灶的形状尺度变化较大,不同类型病灶存在着异病同影和同病异影的情况,多期相影像间的增强模式难以描述,上述特点使得精确的肝脏病灶检测和分类仍存在较大挑战。为此,本文围绕精确的肝脏病灶检测和分类算法展开研究,主要工作如下:1)提出一种基于多通道尺度不敏感的多期相肝脏病灶检测算法针对多期相CT影像中肝脏病灶大尺度变化问题,本文提出了一种基于多通道尺度不敏感的多期相肝脏病灶检测算法。该算法采用基于U型的全卷积结构,有效地融合不同尺度的视觉特征,采用Li...

【文章页数】：77 页

【学位级别】：硕士

本文编号：3876912