基于深度学习与影像组学的癌症影像分析

发布时间：2023-04-01 05:54

　　医学影像在临床诊断和治疗中发挥着重大的作用,如何快速有效地从影像数据中发现疾病,并做出正确的临床决策,是提高患者治愈率和生存率的关键。随着医疗设备的日益普及,医学影像数据正在大量增加,然而放射科医生数量的增长却相对缓慢,这使得医生面对巨大的工作量以及压力,不可避免的会出现漏诊误诊。近年来,人工智能技术的发展为解决此类医疗资源短缺问题提供了新的思路。尤其是影像组学,融合了放射学、肿瘤学和计算机科学等多学科知识,可以从医学影像中挖掘高通量的特征,并进行建模分析,以用于临床决策支持。影像组学的研究流程通常包括影像数据获取、肿瘤分割、特征提取、特征选择和建模分析。其中,肿瘤分割问题是影像组学研究中的关键步骤,由于医学影像种类繁多,肿瘤边界往往模糊不清,精确的分割具有很大的挑战性。医生手动标注费时费力,且存在较大的主观性,造成影像组学研究的可重复性变差。此外,在影像组学研究中,很多研究只针对小样本,造成模型的泛化性能较差。以上问题在很大程度上限制了影像组学在临床中的应用。本文针对以上问题,结合临床实际需求,面向常用的磁共振成像(MRI)和电子计算机断层扫描(CT)这两种成像模态,围绕常见的癌症类...

【文章页数】：152 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
缩略词注释表
第一章 绪论
    1.1 论文选题背景及研究意义
    1.2 影像组学研究现状
        1.2.1 影像组学研究概述
        1.2.2 影像组学在脑肿瘤与肺癌中的应用
    1.3 存在的问题
    1.4 论文的主要研究内容及章节安排
第二章 理论基础与研究方法
    2.1 医学成像原理
        2.1.1 CT
        2.1.2 MRI
    2.2 图像预处理
    2.3 图像分割
        2.3.1 基于神经网络的图像分割方法
    2.4 特征提取
    2.5 特征选择
    2.6 统计建模
    2.7 本章小结
第三章 基于三边分割网络的MRI脑肿瘤分割
    3.1 引言
    3.2 基于CNN的MRI脑肿瘤分割方法概述
    3.3 三边分割网络结构
        3.3.1 空间路径
        3.3.2 上下文路径
        3.3.3 定位路径
    3.4 实验设计
        3.4.1 MRI脑肿瘤数据集
        3.4.2 损失函数
        3.4.3 实验环境
        3.4.4 评价标准
    3.5 实验结果讨论与分析
        3.5.1 定位路径对比试验
        3.5.2 上下文路径对比试验
        3.5.3 时空可分离3D卷积对比试验
        3.5.4 与其余MRI脑肿瘤分割方法对比试验
    3.6 本章小结
第四章 基于混合分割网络的CT小细胞肺癌分割
    4.1 引言
    4.2 基于CNN的CT肺癌分割方法概述
    4.3 混合分割网络结构
        4.3.1 多尺度可分离卷积模块
        4.3.2 3D卷积网络结构
        4.3.3 2D卷积网络结构
        4.3.4 混合特征融合模块
    4.4 实验设计
        4.4.1 CT小细胞肺癌数据集
        4.4.2 实验环境
    4.5 实验结果与分析
        4.5.1 与其余CNN方法对比试验
        4.5.2 损失函数对比实验
        4.5.3 S3D卷积对比试验
        4.5.4 空洞卷积对比试验
    4.6 本章小结
第五章 基于影像组学的脑肿瘤分级
    5.1 引言
    5.2 针对脑肿瘤分类的相关研究
    5.3 脑肿瘤分级影像组学建模
        5.3.1 脑肿瘤数据集与预处理
        5.3.2 脑肿瘤分割
        5.3.3 特征提取和特征选择
        5.3.4 分类模型构建
    5.4 实验结果与分析
        5.4.1 图像预处理结果
        5.4.2 分割结果
        5.4.3 特征提取与特征选择结果
        5.4.4 分类结果
    5.5 本章小结
第六章 基于影像组学的小细胞肺癌化疗效果预测
    6.1 引言
    6.2 针对肺癌化疗效果预测的相关研究
    6.3 小细胞肺癌化疗效果预测影像组学建模
        6.3.1 数据获取与图像分割
        6.3.2 特征提取
        6.3.3 特征选择和分类模型构建
    6.4 实验结果与分析
        6.4.1 临床资料统计
        6.4.2 特征选择和建模结果
    6.5 本章小结
第七章 基于影像组学的非小细胞肺癌亚型分类
    7.1 引言
    7.2 针对鳞癌与腺癌分类的相关研究
    7.3 非小细胞肺癌亚型分类影像组学建模
        7.3.1 多中心数据集整理
        7.3.2 特征提取与选择方法
        7.3.3 分类器构建
    7.4 实验结果与分析
        7.4.1 多中心数据集统计信息
        7.4.2 特征提取与选择结果
        7.4.3 分类结果
    7.5 本章小结
第八章 总结与展望
    8.1 论文的主要工作与创新点
    8.2 展望
参考文献
致谢
攻读博士学位期间发表的学术论文及参与的科研项目
学位论文评阅及答辩情况表



本文编号：3776568