基于卷积神经网络的肺结节辅助检测系统的设计与实现

发布时间：2020-05-29 16:45

【摘要】：在全世界范围内,肺部疾病已经严重威胁到人们的生活、学习和工作。针对这一问题,能够最有效提高肺癌患者生存率的办法就是实现尽早发现、精确诊断和精准治疗。而肺部疾病的一项显著特征就是孤立性肺部结节的产生,因此如何进行孤立性肺结节的检测成为当前重要的研究方向。2016年,中国卫计委和流行病学专家通过调研发现,医院接诊的肺部疾病案例正在逐年攀升。中国目前正处于肺部疾病的高发时期,同时随着CT技术的不断发展,医生的诊断效率也得到了很大的提升。然而传统的CT数据信息量较大,需要专业医生花费大量时间进行阅读,但庞大的数据量下又存在许多肉眼难以发现的病灶,假若医生不能够准确判断这些微小的病灶,患者的诊断结果就不能得到保证。因此采用计算机辅助医生进行检测诊断,能够大幅度减少医生诊断的工作量,帮助医生得出精准的诊断结果。本文以常规医学影像为研究对象,探索利用计算机辅助手段准确检测肺结节的方法,并在前期实验的基础上实现一个肺结节辅助检测系统。在此过程中通过阅读针对肺部结节进行分析与检测的相关文献,了解不同结节的检测方法与研究状况,针对现有方法进行比较与分析,提出一种基于深度学习的肺部结节检测方法,并以此种方法为基础,设计开发一个肺结节辅助检测系统。该系统实现读取与显示CT信息、整肺初步分割、提取ROI区域、显示结节区域等四项基本功能。
【图文】：

自动阈值,肺部,步骤,流程

这种操作可以提氋检测速度。逡逑不同的算法针对不同的结节在类型上的检测结果表现不一［３Ｄ］，本文主要研[側绾握攵怨铝⑿藻义戏谓峤诮屑觳猓畏指畹木咛辶鞒倘缤迹玻菜尽ｅ义香兄笛∪″我唬炕袢≡迹茫酝笺诲澹唬孔远兄刀炕逡灰唬拷锌涨湓耍隋义涎赸运算逦＜——逦获取整肺投板逦４—逦孔洞填充逡逑图２－２整肺分割的具体流程逡逑对肺部ＣＴ图像的处理，需要基于２．邋３．１节的步骤进行自动阈值选取。首先需要提取出整肺，逡逑整肺的提取需要借鉴聚类的方法对肺部边缘的特征值来进行提取，本文使用Ｋ均值算法进行聚类逡逑运算。聚类算法的核心也是通过多次迭代获取多种特征点或边缘，从而将获取到的边界点作为标逡逑准点来提取出肺部的边缘。逡逑Ｋ均值分割整肺通过以下基本过程来实现：逡逑（１）

基于卷积神经网络的肺结节辅助检测系统的设计与实现

一阅值选取
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP183;R734.2

【参考文献】