基于特征选择的肺结节检测技术研究
发布时间：2023-10-02 00:45
国家癌症中心的最新数据显示,肺癌在所有恶性肿瘤发病率和死亡率的排名中,均处于首位,严重威胁着人们的生命安全。肺癌存活率与确诊时的疾病阶段高度相关,早期诊断不仅能够减少治疗费用,更能将生存几率提升至60%以上。由于肺癌患者在早期少有明显症状,难以确诊,利用基于医疗影像学的肺结节检测技术辅助诊断,成为肺癌筛查的重要手段。现有的很多肺结节检测算法在实用性上有很大的问题。一方面,实验数据规模过小,实验结果的可信度不够;另一方面,肺结节种类多样,不同类型之间,形态、密度都存在较大的差异,而检测算法往往只针对某一种结节,难以在所有情况下都取得较好的检测效果。本文针对目前存在的问题,结合深度网络框架,从数据增强和特征选择两个方面切入,在收集整理数据集的同时,逐步改进肺结节检测框架。我们重点研究了数据增强、初步检测和误检删除三个关键的功能模块,做出了如下的创新性工作:(1)数据跨模态对齐。高质量、大规模的训练数据,对提高模型性能具有重要意义。单一的数据集规模偏小,而不同的数据集之间,由于成像设备不同,存在一定的模态差异,无法直接混合使用。本文基于循环一致生成对抗网络(Cycleconsistent G...
【文章页数】：87 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 研究基础与现状
1.2.1 公开数据集
1.2.2 肺结节CAD系统综述
1.2.3 研究现状总结
1.3 论文的主要内容与创新工作
1.4 本文的章节安排
第二章 肺部CT数据集构建
2.1 数据收集
2.1.1 医疗图像格式
2.1.2 敏感信息消除
2.2 肺结节标注
2.2.1 肺部生理解剖结构
2.2.2 肺结节的定义与影像学特性
2.2.3 医学图像标注工具
2.3 数据整理
2.3.1 标注结果数据化
2.3.2 数据集分析
2.4 本章小结
第三章 基于跨模态对齐的聚合通道特征检测算法增强
3.1 ACF算法预检测
3.1.1 通道特征选择
3.1.2 多尺度检测快速算法
3.1.3 自适应增强算法
3.1.4 训练与检测
3.2 模态差异
3.3 基于生成对抗网络的图像变换算法
3.3.1 基本模型结构
3.3.2 条件变量约束
3.3.3 损失函数设计
3.4 跨模态对齐
3.4.1 双向对抗网络设计
3.4.2 循环一致性约束
3.4.3 辅助分类器
3.4.4 网络结构
3.5 分数整合
3.6 算法性能评估
3.6.1 检测性能评估标准
3.6.2 ACF预检测算法性能评估
3.6.3 模态转换算法性能分析
3.6.4 分数融合的性能分析
3.7 本章小结
第四章 基于多维度深度特征的结节检测算法
4.1 肺部CT图像的空间特性
4.2 基于Faster RCNN的预检测算法
4.2.1 卷积层特征提取
4.2.2 候选区域生成
4.2.3 目标分类与位置回归
4.2.4 模型训练机制
4.3 二维到三维的坐标融合
4.3.1 肺部分割
4.3.2 坐标融合
4.3.3 样本标签
4.4 基于3D CNN的误检筛除算法
4.4.1 残差网络结构
4.4.2 训练过程
4.5 算法性能评估
4.5.1 检测性能评估标准
4.5.2 手工特征与深度特征预检测性能对比
4.5.3 反卷积层特征提取性能分析
4.5.4 3D CNN误检删除算法性能分析
4.6 本章小结
第五章 总结与展望
5.1 主要工作与创新点
5.2 后续研究工作
参考文献
附录1 集成软件介绍
1.1 软件运行环境
1.2 软件基本功能
1.2.1 模型加载
1.2.2 视窗选择
1.2.3 结节检测与分析
致谢
攻读硕士学位期间已发表或录用的论文
本文编号：3849762
【文章页数】：87 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 研究基础与现状
1.2.1 公开数据集
1.2.2 肺结节CAD系统综述
1.2.3 研究现状总结
1.3 论文的主要内容与创新工作
1.4 本文的章节安排
第二章 肺部CT数据集构建
2.1 数据收集
2.1.1 医疗图像格式
2.1.2 敏感信息消除
2.2 肺结节标注
2.2.1 肺部生理解剖结构
2.2.2 肺结节的定义与影像学特性
2.2.3 医学图像标注工具
2.3 数据整理
2.3.1 标注结果数据化
2.3.2 数据集分析
2.4 本章小结
第三章 基于跨模态对齐的聚合通道特征检测算法增强
3.1 ACF算法预检测
3.1.1 通道特征选择
3.1.2 多尺度检测快速算法
3.1.3 自适应增强算法
3.1.4 训练与检测
3.2 模态差异
3.3 基于生成对抗网络的图像变换算法
3.3.1 基本模型结构
3.3.2 条件变量约束
3.3.3 损失函数设计
3.4 跨模态对齐
3.4.1 双向对抗网络设计
3.4.2 循环一致性约束
3.4.3 辅助分类器
3.4.4 网络结构
3.5 分数整合
3.6 算法性能评估
3.6.1 检测性能评估标准
3.6.2 ACF预检测算法性能评估
3.6.3 模态转换算法性能分析
3.6.4 分数融合的性能分析
3.7 本章小结
第四章 基于多维度深度特征的结节检测算法
4.1 肺部CT图像的空间特性
4.2 基于Faster RCNN的预检测算法
4.2.1 卷积层特征提取
4.2.2 候选区域生成
4.2.3 目标分类与位置回归
4.2.4 模型训练机制
4.3 二维到三维的坐标融合
4.3.1 肺部分割
4.3.2 坐标融合
4.3.3 样本标签
4.4 基于3D CNN的误检筛除算法
4.4.1 残差网络结构
4.4.2 训练过程
4.5 算法性能评估
4.5.1 检测性能评估标准
4.5.2 手工特征与深度特征预检测性能对比
4.5.3 反卷积层特征提取性能分析
4.5.4 3D CNN误检删除算法性能分析
4.6 本章小结
第五章 总结与展望
5.1 主要工作与创新点
5.2 后续研究工作
参考文献
附录1 集成软件介绍
1.1 软件运行环境
1.2 软件基本功能
1.2.1 模型加载
1.2.2 视窗选择
1.2.3 结节检测与分析
致谢
攻读硕士学位期间已发表或录用的论文
本文编号：3849762
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3849762.html
