基于神经网络的肺结节检测与识别方法研究
发布时间：2021-07-12 11:00
肺癌是致死率最高的癌症之一,在肺癌的早期阶段检测肺结节对于提高患者的存活率至关重要。人工诊断多基于医生的经验积累,且费时费力,因此计算机辅助诊断逐渐应用于影像学,传统计算机辅助诊断方法主要依赖多种不同的滤波器来检测不同类型结节的边缘、纹理等特征。近年来,计算机辅助诊断系统借助神经网络强大的图像表达能力,能够准确快速地定位和识别病灶。在肺结节检测课题中,精准检测肺结节,特别是早期肺结节（小结节）同时减少假阳性输出是研究的关键。目前使用神经网络检测肺结节的方法大多在单层特征图上来进行,这不利于小目标的检测。本文基于阿里-天池2017大数据竞赛提供的数据库,针对胸部CT图像的特点和同时检测大小目标的需求,对CT图像数据的预处理和基于多层特征图的结节检测及识别算法展开了如下研究工作:1.分析CT图像与通常数字图像的区别,基于肺部CT图像的特征,本论文设计了一种由不同形态学操作组合而成的CT图像预处理流程。2.针对肺结节检测任务目标相对单一,背景相似的特性,研究了不同尺度的特征图对检测效果的影响,在多层特征图检测网络SSD、MDSSD的基础上,提出了多层特征图组合优化方法,并通过特征图的选择和组...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
天池数据集中典型肺结节展示，红色方框标注的区域即为肺结节
第二章CT图像数据预处理方法研究9图2-1展示了闭操作的流程与效果，结构元为3×3的卷积核，纯白色方块代表前景，纯黑色方块代表背景，经过闭操作，两个目标块被合成一整块且外边缘保持不变。首先，膨胀操作使得原图像中两个分开的前景目标联通为一整块。(前景边缘偏白的灰色图块表示由于膨胀操作而产生的新的前景)。接着，在膨胀后的图像上施加一个卷积核尺度相同的腐蚀操作，联通的前景中外围边缘部分又被抹去，同时内部的联通区块保持不变。(注意图中偏黑的灰色块表示由于腐蚀而变成黑色的图块)。最后就得到了一个完整的无突起的前景。图2-1图像闭操作示意图。结构元为3×3的矩形，黑色表示背景，白色表示前景。2.3图像边缘检测方法在数字图像中，边缘是指图像局部变化最显著的部分，表达了图像局部特性的突变。边缘检测的目的，就是舍弃图像中的细节，提取目标的外部轮廓以进行后续的研究。在引入深度学习以前，边缘检测算法主要是基于图像一定邻域内像素值的一阶和二阶导数，因此必须设计卷积滤波器来进行边缘检测，而不同的卷积核又有各自的优劣。边缘检测的卷积核有很多种，如Roberts算子，Prewitt算子，Sobel算子，Canny算子[28]。Roberts算子是一种利用局部差分寻找边缘的算子，其卷积核尺寸为2×2；Prewitt算子是一种一阶微分算子，它由两个卷积核组成，它们分别对垂直和水平方向上的边缘最为敏感。两个方向的卷积输出中，取最大值作为该点的输出值，最后，以一个人为选择的，可调的阈值来确定每个像素点是否为边缘。与Prewitt算子相似，Sobel算子也使用两个3×3的卷积核分别响应垂直和水平边缘。区别在于Sobel算子对水平和垂直方向的像素还有一个系数为2的加权。Canny算子区别于以上算子的最大特征在于它使用了双阈值进行边缘检?
第二章CT图像数据预处理方法研究11(a)(b)(c)(d)(e)图2-3CT数据预处理效果展示。(a)格式转换后的图像；(b)二值化，联通区域判定；(c)边缘检测，闭操作；(d)结构元更大的闭操作；(e)经形态学处理后的图像。2.5本章小结本章主要介绍了实验数据的来源和组成，同时出于减少干扰信息的目的，分别研究了图像二值化、各种边缘检测算法、图像开闭操作对CT图像的分割效果。最后设计了一个预处理流程，将上述各种方法整合起来，精准定位肺部影像。从处理结果来看，本章设计的流程能够较为精确的框定CT图像中的肺部区域，有效减少了无关位置的干扰信息。相比而言，原始数据集对比度更高，结构更完整；处理后的数据集更简洁，干扰信息更少。两种数据集各有利弊，所以两种数据集会在接下来的试验中分别训练网络并加以分析。
本文编号：3279788
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
天池数据集中典型肺结节展示，红色方框标注的区域即为肺结节
第二章CT图像数据预处理方法研究9图2-1展示了闭操作的流程与效果，结构元为3×3的卷积核，纯白色方块代表前景，纯黑色方块代表背景，经过闭操作，两个目标块被合成一整块且外边缘保持不变。首先，膨胀操作使得原图像中两个分开的前景目标联通为一整块。(前景边缘偏白的灰色图块表示由于膨胀操作而产生的新的前景)。接着，在膨胀后的图像上施加一个卷积核尺度相同的腐蚀操作，联通的前景中外围边缘部分又被抹去，同时内部的联通区块保持不变。(注意图中偏黑的灰色块表示由于腐蚀而变成黑色的图块)。最后就得到了一个完整的无突起的前景。图2-1图像闭操作示意图。结构元为3×3的矩形，黑色表示背景，白色表示前景。2.3图像边缘检测方法在数字图像中，边缘是指图像局部变化最显著的部分，表达了图像局部特性的突变。边缘检测的目的，就是舍弃图像中的细节，提取目标的外部轮廓以进行后续的研究。在引入深度学习以前，边缘检测算法主要是基于图像一定邻域内像素值的一阶和二阶导数，因此必须设计卷积滤波器来进行边缘检测，而不同的卷积核又有各自的优劣。边缘检测的卷积核有很多种，如Roberts算子，Prewitt算子，Sobel算子，Canny算子[28]。Roberts算子是一种利用局部差分寻找边缘的算子，其卷积核尺寸为2×2；Prewitt算子是一种一阶微分算子，它由两个卷积核组成，它们分别对垂直和水平方向上的边缘最为敏感。两个方向的卷积输出中，取最大值作为该点的输出值，最后，以一个人为选择的，可调的阈值来确定每个像素点是否为边缘。与Prewitt算子相似，Sobel算子也使用两个3×3的卷积核分别响应垂直和水平边缘。区别在于Sobel算子对水平和垂直方向的像素还有一个系数为2的加权。Canny算子区别于以上算子的最大特征在于它使用了双阈值进行边缘检?
第二章CT图像数据预处理方法研究11(a)(b)(c)(d)(e)图2-3CT数据预处理效果展示。(a)格式转换后的图像；(b)二值化，联通区域判定；(c)边缘检测，闭操作；(d)结构元更大的闭操作；(e)经形态学处理后的图像。2.5本章小结本章主要介绍了实验数据的来源和组成，同时出于减少干扰信息的目的，分别研究了图像二值化、各种边缘检测算法、图像开闭操作对CT图像的分割效果。最后设计了一个预处理流程，将上述各种方法整合起来，精准定位肺部影像。从处理结果来看，本章设计的流程能够较为精确的框定CT图像中的肺部区域，有效减少了无关位置的干扰信息。相比而言，原始数据集对比度更高，结构更完整；处理后的数据集更简洁，干扰信息更少。两种数据集各有利弊，所以两种数据集会在接下来的试验中分别训练网络并加以分析。
本文编号：3279788
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3279788.html
