基于Adaboost和Faster-RCNN的肺结节检测算法

发布时间：2021-04-08 08:42

　　肺癌（lung cancer）是全球癌症类的主要杀手之一,肺结节作为肺癌的早期表现。利用计算机技术可将CT图像中包含的肺结节自动勾出,提醒医生重点查看,减少医生的工作量,使诊断工作智能化、全面化,能够有效改善诊断工作的准确率和效率。从CT图像中快速、精确地检测出肺结节及其征象,对实现肺癌的早期诊断具有重要的意义和研究价值。由于肺结节的形状多种多样,大小不一和分布不均等问题,有经验的医生也难以快速做出精确诊断。同时,每个病人都有成百张甚至上千张的CT图像,所以基于计算机技术的肺结节准确检测具有重要的应用价值并具有较强的挑战性。传统的基于图像分割方法的肺结节检测,需要的假设条件较多并且准确性较低,无法满足临床应用中肺结节检测任务的需求。本文根据不同的样本量使用不同的检测方法对CT图片进行肺结节检测,为肺结节检测提出了新的思路。在小样本下提出了基于Adaboost的肺结节检测算法,该方法以监督的方式进行学习,从原始CT图像提取人工标注的肺部结节图像块训练网络。针对人工标注的医学图像稀缺的问题,编写了让医生标注的GUI界面,让专业医生对包含肺结节的CT图片进行标注,搭建了基于Adaboost的... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图１－２肺结节检测大赛ＬＵＮＡ２０１６??Ｓｉｍｅｎｓ、ＧＥ、飞利浦和柯达都是国内生产医疗器材（如ＣＴ和ＭＲＩ）的公司

领域与实现了前所未有的突破。阿里巴巴“ＮＡＳＡ”计划在视觉计算领域持续攻坚，??各类有关肺结节检测的比赛层出不穷。肺结节检测大赛ＬＵＮＡ２０１６管网排行榜如??图１－２所示。??一ＪＨＨ??？■?尹承■?ｊ■為；２ｓ；?’?Ｓｆｃ錄?ｓ??ｉ?Ｊ７?＊Ａ？ｆ?￡ｉｉ－－＞?＜ａｓｓｔ；．?ｓａａｓａａｉｓａｓｓ－??ｊ＞?？：？ｗｆｗ２？ｓ？７?ＨＳｓａＳＳＳｔｏＳＳ；??＇?级＞細讀您?－ＵＭｉ?ａ＾Ｓｉ＾ａｉｓｉＳ??ｆ?＾Ｍ＜ｙｖ３〇Ｖ？?ｇ＾ｇｊ?？ＨｆｆＳＡｒ＾ＳＳＳＢ；??？?ＪＳ＾ＶＫＳＥ－ａｔ？＾＾?ＳＳＫ＾．ｔｔ＾ｔＶｔＸ＇＾?Ｓ－鄉?．－ｗｉｔ．ｒｍｆＡｙ??９?５？ｔ－？Ｒ＾５＜ＳＳｖｐ／＞?；Ｘ?ｙ＊ｔｘ＾＊＊ｒｙ?Ｋｉ？?ｒ?＆ＳｉＳｉ?ＳＳｆｉｉｉＳａａａ？；－??＇？?＾＾ｉｇｚａｏＫＶ＾－，?ｓ３ｅｓ￡２＊ｓｓａｃ??＜?ＬＵＮＡ１Ｓ徽新苺网排行）??图１－２肺结节检测大赛ＬＵＮＡ２０１６??Ｓｉｍｅｎｓ、ＧＥ、飞利浦和柯达都是国内生产医疗器材（如ＣＴ和ＭＲＩ）的公司。??医学影像的核心部分是医学成像和图像处理。现实生活中己幵发的的肺结节检测??产品操作简单快捷

第１章：绪论，本章阐述了肺结节检测技术研宄背景，目的和意义，介绍肺??结节检测技术的国内外研究现状及存在的不足，介绍了肺结节检测在现实产品中??的应用以及和肺结节检测技术相关的权威比赛。对肺结节检测中的特征提取和分??类等核心技术原理以及分析此核心技术在国内外研究中存在的优点及不足，为本??文的研宄工作提供充足的理论依据。最后介绍了本文关于肺结节检测技术的研宄??工作和内容。??第２章：本章主要研宄基于Ａｄａｂｏｏｓｔ和深度学习的肺结节检测技术的基础理??论，提出了小样本下基于Ａｄａｂｏｏｓｔ算法的级联分类器的肺结节检测算法及其理论??基础，然后介绍了基于ＣＴ图片和Ｆａｓｔｅｒ－ＲＣＮＮ的肺结节检测算法及其理论基础。??

【参考文献】：
期刊论文
[1]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)
[2]基于卷积神经网络的胸片肺结节检测[J]. 朱国策,李朝锋.  传感器与微系统. 2017(12)
[3]基于粗糙集特征级融合的肺结节检测算法[J]. 张俊杰,周涛,夏勇,王文文.  电视技术. 2016(03)
[4]基于PCNN与主动轮廓的肺CT候选结节的分割方法[J]. 赖均,解梅.  计算机应用研究. 2011(04)
[5]基于CT图像的自动肺实质分割方法[J]. 贾同,孟琭,赵大哲,王旭.  东北大学学报(自然科学版). 2008(07)



本文编号：3125241