基于改进U-net网络的2.5D肺实质分割

发布时间：2024-04-13 08:30

　　肺是与外界自然直接相连的器官,使肺部极其容易感染疾病。随着环境和人为因素的影响,肺部疾病,特别是肺癌逐渐增加,成为影响人类健康的主要疾病之一。医学CT影像由于其可视性和可计算性,被广泛用于肺部疾病的诊断和治疗,如肺结节检测、肺癌检测、肺部穿刺等。然而,肺实质分割是基于计算机辅助肺部疾病诊断和治疗的首要任务,其分割结果直接影响疾病诊断的质量。因此,国内外学者开展了大量的肺实质分割的研究工作。但是,由于肺部器官体积较大,且受其周边器官组织影像的干扰,给肺实质的准确分割增加了困难。为此,本文以临床应用需求为目标,结合人工智能技术,开展快速3D肺实质分割研究,建立了基于2.5D卷积神经网络的肺实质分割系统。首先,给出了改进U-net的神经网络模型。改进的网络模型采用不同卷积率的空洞卷积(Atrous-Conv),以便整合更多的图像信息;运用多个异核池化操作进行信息筛选,保证获取信息的有效性;通过反卷积上采样操作实现肺实质分割。以改进的网络模型为基础,运用VGG结构,实现以特征提取、全局信息注入、肺实质分割三个部分为主的分割系统,有效地改善了肺实质过分割现象。其次,提出了基于2.5D改进U-ne...

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与研究意义
    1.2 肺组织结构的CT影像特征
    1.3 基于CT图像的肺实质分割的国内外研究现状
        1.3.1 传统方法进行肺实质分割
        1.3.2 深度学习方法进行肺实质分割
    1.4 主要研究内容和组织结构
第二章 基于U-net网络的医学图像分割
    2.1 卷积神经网络
        2.1.1 深度学习概述
        2.1.2 卷积神经网络的基本结构
    2.2 基于2DU-net的医学图像分割
        2.2.1 U-net的网络结构
        2.2.2 基于2DU-net的肺实质分割
    2.3 基于3DU-net网络的医学图像分割
    2.4 本章小结
第三章 基于2.5D改进U-net的肺实质分割
    3.1 改进的U-net网络
        3.1.1 改进U-net网络的整体结构
        3.1.2 空洞卷积模块
        3.1.3 并行池化模块
    3.2 2.5D分割原理与实现
    3.3 本章小结
第四章 实验结果与分析
    4.1 实验数据
        4.1.1 数据来源及数据分析
        4.1.2 数据预处理
    4.2 评价标准
    4.3 实验结果与分析
        4.3.1 二维肺实质分割各种方法结果比较
        4.3.2 2.5D肺实质分割结果与3D肺实质分割结果比较
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 后续展望
参考文献
致谢



本文编号：3952761