基于深度学习的肺结节检测技术研究

发布时间：2023-04-23 05:51

　　肺癌是当今世界上发病率和死亡率最高的恶心肿瘤之一,对于早期肺结节的诊断和治疗可以有效提高病人的存活率。肺结节的自动检测技术有着重要的意义和价值,也一直是学术界和工业界研究的热点之一。近年来,随着深度学习的快速发展,卷积神经网络被广泛用于肺结节的自动检测,并取得了巨大的成功。然而,由于肺部CT数据的三维复杂结构以及肺结节外形和大小的多样性,丰富的多种相似结构,对于肺结节的正确检测仍然是一个挑战。大型数据集Luna16是肺结节检测的常用公开数据集,采集方式是通过CT仪器对于人体肺部进行扫描得到,是个三维数据结构,包含一系列胸腔的多个水平轴向切片。由于肺部CT数据采集的特殊性,收集的影像在水平轴向扫描率差异较小,但在垂直轴上却相差较大,原因是每个影像包含的切片数量会随着扫描机器、扫描层厚和患者的不同而有差异。实际上每个患者肺部对应的世界物理尺度相差较小,但是垂直轴扫描率不一致造成了得到的肺部CT数据在垂直轴上分辨率相差较大的问题。为了处理肺部CT数据垂直轴向分辨率尺度不一致对肺结节检测的影响,本文提出的肺结节检测网络结构包括两个部分:基于体素流的肺部CT插值网络和基于三维卷积的深度检测网络。...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状及分析
        1.2.1 自然图像目标检测
        1.2.2 医疗CT图像肺结节检测
    1.3 论文主要研究内容
第2章 肺部CT数据及检测网络整体结构
    2.1 引言
    2.2 肺部CT数据集
    2.3 数据预处理
    2.4 数据分析和肺结节检测网络整体结构
        2.4.1 数据分析
        2.4.2 检测网络整体结构
    2.5 本章小结
第3章 基于体素流的肺部插值网络
    3.1 引言
    3.2 算法设计和网络结构
        3.2.1 网络基础单元
        3.2.2 网络结构
    3.3 损失函数
    3.4 实验配置和实验结果
        3.4.1 实验设置
        3.4.2 评价指标
        3.4.3 实验结果
    3.5 本章小结
第4章 基于三维卷积的肺结节检测网络
    4.1 引言
    4.2 数据切块
    4.3 算法设计和网络结构
        4.3.1 网络基础单元
        4.3.2 网络结构
    4.4 损失函数
    4.5 实验配置和实验结果
        4.5.1 实验设置
        4.5.2 评价指标
        4.5.3 实验结果
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3799223