基于深度卷积神经网络的肺结节自动检测方法研究

发布时间：2023-04-26 23:39

　　基于CT影像的肺结节自动检测对于肺癌的早发现、早治疗,进而挽救患病者的生命具有重要意义。早期的肺结节自动检测方法或基于规则系统或基于手工特征训练机器学习分类算法,虽已取得了不少成果,但对于肺结节自动检测这样一个目标形态、尺寸变化大、上下文特性不一,且背景中存在有大量区域与结节外观相似的任务,这两类方法不仅性能受限,而且通用性不足。近年来,随着数据量的增长及硬件计算能力的提高,深度学习的发展为诸多研究领域带来了突破性的进展,其一大优势正是可以自动从大量数据中学习到最优于特定任务的特征,既无需手工设计特征的繁琐,又可让学到的特征具有更强的判别能力及通用性,因此目前有越来越多的研究者开始投身到将深度学习与肺结节自动检测相结合的研究中。这些研究虽已初步验证了深度学习的有效性,但为了更好地将深度学习应用于肺结节自动检测中,还须面临不少问题及挑战,如有标数据量不足的问题、类别不均衡的问题以及计算资源消耗大的问题等。针对这些问题,本文以设计一套简洁、有效的肺结节自动检测方法为出发点,从数据准备、模型结构设计、优化机制改进及损失函数设计四个方面提出了相应的应对策略。这些策略均取得了一定的效果,最终整体...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状与趋势
    1.3 研究内容与创新点
    1.4 论文结构安排
第二章 相关理论基础
    2.1 经典肺结节自动检测方法
    2.2 深度学习基础
        2.2.1 概述
        2.2.2 反向传播算法
    2.3 深度卷积神经网络
        2.3.1 概述
        2.3.2 密集连接卷积神经网络
第三章 算法模型设计
    3.1 数据准备
        3.1.1 数据归一化与坐标系转换
        3.1.2 基于图像块的训练与数据增扩
    3.2 模型结构设计
        3.2.1 模型框架
        3.2.2 关键设计
    3.3 优化机制改进
    3.4 损失函数设计
    3.5 本章小结
第四章 实验验证与分析
    4.1 数据集介绍
    4.2 评价指标
    4.3 定量实验结果
        4.3.1 模型自我评估
        4.3.2 模型对比评估
    4.4 定性实验结果
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录I
致谢
攻读硕士学位期间发表成果情况



本文编号：3802416