基于深层自编码的孤立性肺结节诊断方法的研究

发布时间：2019-08-06 08:12

【摘要】：近年来,肺癌已经成为当今发病率和死亡率最高的癌症疾病之一。肺癌的早期诊断和治疗能够有效的降低患者的死亡率,在提高治愈率方面起着至关重要的作用。肺癌早期大多表现为孤立性结节。PET和CT影像可以有效的对结节进行检测,但是肺结节良恶性的确诊仍须进一步的病理检查,由此会给患者造成经济和身心的双重负担。目前,计算机辅助诊断技术能够通过提取肺结节图像中的纹理、形状等特征对图像进行分析,为放射科医师诊断提供支持,但是基于统计特征提取的诊断方法无法适用于组织结构复杂的肺结节。深度自编码技术可以通过多层非线性网络堆叠自主地从图像中学习特征并利用这些特征对图像进行分类,客观地反映图像的真实信息,本文的研究主要是利用深层自编码技术实现肺结节的良恶性辅助诊断。本文的主要研究内容和创新如下:(1)现有的肺结节诊断方法多是依靠图像处理技术和专业诊断知识等先验知识对肺结节图像进行特征提取,但是这样的统计学的特征并不一定适用于所有类型的肺结节图像。为了解决上述问题,本文提出一种基于栈式极限学习机的肺结节自动诊断方法。由于CT系统在成像时存在系统噪声,成像对比度低,本文首先采用自适应直方图均衡法处理肺结节图像,提高图像的对比度。然后将增强后的肺结节图像输入到基于极限学习机的自编码网络中进行无监督的特征学习,最后将经过深度网络学习的高层特征作为有监督原始极限学习机的输入进行最终的诊断。由于极限学习机算法不需要参数微调,所以基于极限学习机的自编码网络的训练速度要比基于BP网络的自编码网络的训练速度快,但是网络的诊断性能不输BP网络。通过与现有诊断方法的比较,该方法具有较好的准确率、敏感性和特异性,是一种比较可靠的肺结节诊断方法。(2)为了克服单模态图像特征的片面性和无监督特征学习的局限性,本文结合CT和PET图像特征提出基于双模态深度极限学习机的孤立性肺结节诊断方法,该方法中设计了一种深度有监督降噪自编码网络,该网络引入了限制差分和降噪进行网络优化,能够从PET和CT图像中学习得到有区分度的特征信息。由于整个框架的子网络对应不同模态图像,因此在获得不同模态特征后采用不同的融合策略进行特征融合,最后对融合后的特征进行分类诊断。实验表明,融合后的特征要比单独的特征具有更好的区分度;并且与已有的基于深度学习技术的肺结节诊断方法比较,本文的方法获得92.81±0.57%的准确性和1.58/scan的假阳性,超过了其他优秀的肺结节诊断方法并且网络具有很好的鲁棒性和抗噪性,对肺结节辅助诊断的进一步研究具有一定参考价值。
【图文】：

肺部CT切片

如图 3-8 所示，不同类型的核函数运dlim”代表硬极限函数，，“Purelin”代表线性函函数，结果显示非线性核函数比线性核函数取得最好的测试准确率。所以最后选用高斯函数能够得到最好的结果。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R734.2;TP391.41

【相似文献】

相关期刊论文 前10条

1 王德杭,汪家旺,于立燕,俞同福;肺结节检测算法研究[J];上海生物医学工程;2005年01期

2 毛亚莉;刘勇;张晓忠;;肺结节的X线片诊断[J];中国民康医学;2006年22期

3 宋佳;李翠芳;孙希文;聂生东;;一种非实质性肺结节分割的新方法[J];中国医学影像技术;2011年12期

4 ;矽肺结节钙化五例临床分析[J];冶金劳动卫生;1976年02期

5 王敏杰,王培军,田建明,余准,李晓兵,崔恒武,邵成伟;低剂量和靶螺旋CT扫描技术在肺结节诊断中的价值[J];临床放射学杂志;2003年07期

6 王化,唐光健;多层螺旋CT在肺结节诊断中的应用及展望[J];国外医学(临床放射学分册);2005年06期

7 吴龙海;周荷琴;李传富;;基于高分辨率CT图像的肺结节检测[J];中国医疗器械杂志;2008年03期

8 苗芬;吴龙海;周荷琴;;一种基于相关矩阵的肺结节增强算法[J];北京生物医学工程;2008年05期

9 贾守勤;赵斌;尚延海;马子堂;刘世合;齐向芹;;常规DR胸片对肺结节漏诊原因的分析[J];医学与哲学(临床决策论坛版);2009年04期

10 高园园;吕庆文;;肺结节检测算法研究[J];医学信息;2010年02期

相关会议论文 前10条

1 查开继;高剑波;张永高;郭华;杨学华;周志刚;;断层融合成像与数字X线成像诊断肺结节的比较研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 孙志远;;数字化体层融合在肺结节探查中的初步应用[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

3 穆景博;高向东;;X线数字化体层融合技术在肺结节探查中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

4 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];2006年华东六省一市暨浙江省放射学学术年会论文汇编[C];2006年

5 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会放射学分会第八届全国心胸影像学术大会暨河南省第十二次放射学术会议论文汇编[C];2006年

6 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

7 高园园;吕庆文;冯前进;陈武凡;;一种新的肺结节检测算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

8 徐岩;马大庆;;计算机辅助检测肺结节在数字化胸片上的应用价值[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

9 王永仁;吴碧芳;经凤华;李峻;金德胜;;低剂量CT筛查肺结节对图像质量的影响[A];2008年浙江省放射学年会论文汇编[C];2008年

10 徐岩;马大庆;贺文;;计算机辅助检测肺结节在数字化胸片肺癌筛查中的应用价值[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

相关重要报纸文章 前2条

1 上海交通大学医学院附属瑞金医院胸外科主任医师 邱维诚;发现肺结节 别轻易下诊断[N];健康报;2013年

2 朱立明　第四军医大学;三联诊断方案辨明肺结节[N];医药经济报;2010年

相关博士学位论文 前9条

1 刘阳;基于肺部高分辨率CT影像的肺结节识别方法研究[D];东北大学;2011年

2 吴龙海;高分辨率CT图像的肺部病变计算机辅助诊断研究[D];中国科学技术大学;2008年

3 裴晓敏;基于CT影像的孤立性肺结节检测关键技术研究[D];东北大学;2011年

4 李惠民;肺结节CT研究[D];第二军医大学;2003年

5 韩芳芳;基于CT图像多维特征的肺结节检测和诊断方法研究[D];东北大学;2015年

6 蔡强;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];北京协和医学院;2011年

7 孙申申;基于CT影像的肺结节检测与分割方法研究[D];东北大学　;2009年

8 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

9 张涛;肺结节PET诊断的系统分析及~（11）C-鬼臼的实验研究[D];中国人民解放军军医进修学院;2008年

相关硕士学位论文 前10条

1 邢谦谦;不规则形态肺结节的分割及毛刺检测研究[D];南方医科大学;2015年

2 刘晓娜;基于支持向量机的肺结节识别研究[D];浙江大学;2016年

3 滕雅琴;计算机辅助检测系统CT肺结节检出方式的研究[D];新疆医科大学;2016年

4 黑啸吉;基于低剂量CT图像的肺结节分割算法研究[D];郑州大学;2016年

5 张俊杰;基于粗糙集的特征级融合肺结节检测算法[D];宁夏医科大学;2016年

6 刘晨辉;基于DoG的胸部CT肺结节自动检测算法研究[D];广州大学;2016年

7 乐昂霖;基于SVM的肺结节分割与识别[D];东北大学;2015年

8 李仙凤;生物标志物结合肺结节影像学特征对肺结节良恶性的预测价值[D];大连医科大学;2016年

9 柏芸;低剂量胸腔CT肺部影像的肺结节计算机辅助诊断方法研究[D];西南交通大学;2017年

10 王国明;基于CT图像的肺结节分割方法研究[D];长春工业大学;2017年

本文编号：2523436