基于深度卷积神经网络的肺结节CT病理图像分类研究

发布时间：2024-02-19 21:29

　　肺癌是当下对人类生命健康危害最大的恶性肿瘤之一,目前应对肺癌最好的解决方案仍是在肺癌早期发现并治疗。低剂量螺旋CT被认为是肺癌早期筛查最行之有效的方法,但是肺结节的影像表现形式十分复杂,影像科医师在长时间工作后容易产生视觉疲劳,因此难免发生漏诊、误诊等情况。随着计算机技术尤其是计算机视觉的发展,计算机辅助诊断被应用于医学影像分析以辅助医生进行诊断。它可以显著改善医生分析医学图像的质量和效率,但需要手工设计特征,这不仅依赖于人的主观判断,也带来了巨大的工作量。传统计算机辅助诊断中对肺结节的分类算法需要手工提取肺结节的特征,这使得提取出的肺结节特征也比较单一,算法无法充分地描述肺结节图像的特性,进而降低了分类精度。近年来深度卷积网络迅速发展,得益于其在图像处理上的优异性能,卷积网络已经成为图像分类领域的主流算法,并且它不需要手工设计特征。已有相关工作使用的深度卷积架构与卷积网络理论的现阶段发展存在一定滞后,且已有对肺结节CT病理图像分类的算法其分类准确率距离应用尚有改进的空间。因此本文在充分调研卷积网络理论的基础上,针对肺结节分类问题提出使用Inception-ResNet和Condens...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 论文研究背景
    1.2 相关医学基础知识
    1.3 国内外概况和发展趋势
        1.3.1 传统CAD肺结节分类算法
        1.3.2 深度卷积神经网络及其应用
    1.4 论文研究内容与组织结构
        1.4.1 论文研究内容
        1.4.2 论文组织结构
第2章 深度卷积神经网络
    2.1 卷积神经网络
        2.1.1 卷积层
        2.1.2 激活函数
        2.1.3 池化层
        2.1.4 全连接层
        2.1.5 损失函数
        2.1.6 最优化
    2.2 Inception-ResNet.简介
        2.2.1 Inceptionv1、v2和v3
        2.2.2 ResNet
        2.2.3 Inception-ResNet
    2.3 CondenseNet简介
        2.3.1 DenseNet
        2.3.2 CondenseNet
    2.4 本章小结
第3章 基于Inception-ResNet和CondenseNet的分类优化模型
    3.1 注意力机制和3D卷积
        3.1.1 注意力机制
        3.1.2 3D卷积
    3.2 基于Inception-ResNet和CondenseNet的优化模型
    3.3 混合卷积神经网络3D-HybridNet
    3.4 本章小结
第4章 实验与分析
    4.1 实验环境与工具
    4.2 实验数据集及预处理
        4.2.1 LIDC/IDRI数据集
        4.2.2 预处理
    4.3 实验参数
    4.4 评价标准
    4.5 实验结果与分析
    4.6 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
附录
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3903343