肝癌和肺癌是當(dāng)前發(fā)病率很高的疾病,致死率也在逐年增加�；谏疃葘W(xué)習(xí)的人工智能算法在不斷進(jìn)步,快速地推動了智慧醫(yī)療的發(fā)展,深度學(xué)習(xí)算法在醫(yī)生診療癌癥過程中起了重要作用。通過構(gòu)建基于深度學(xué)習(xí)的檢測算法可以完成醫(yī)學(xué)CT圖像中肝腫瘤和肺結(jié)節(jié)的自動化標(biāo)注,輔助醫(yī)生診療。不僅如此,自動化的深度學(xué)習(xí)檢測算法通過訓(xùn)練大量醫(yī)生標(biāo)注的高質(zhì)量數(shù)據(jù),可以在網(wǎng)絡(luò)中學(xué)習(xí)醫(yī)生的診療知識,這樣將集成好的深度學(xué)習(xí)算法應(yīng)用到醫(yī)療不發(fā)達(dá)地區(qū),可以提高該地區(qū)的醫(yī)療水平,降低醫(yī)生們閱讀CT影像的工作量。本文主要研究通過深度學(xué)習(xí)方法進(jìn)行肝腫瘤和肺結(jié)節(jié)的檢測,一種是利用目標(biāo)檢測方法進(jìn)行肺結(jié)節(jié)的檢測,另一種是利用圖像分割算法進(jìn)行肝腫瘤的分割。根據(jù)數(shù)據(jù)的標(biāo)簽是坐標(biāo)還是掩膜,選取不同的方法。標(biāo)簽是坐標(biāo)選取目標(biāo)檢測方法,標(biāo)簽是掩膜則選取圖像分割算法。病灶檢測的難點(diǎn)主要在于小病灶很難發(fā)現(xiàn),無論是小腫瘤還是小結(jié)節(jié)都不容易檢測。為了方便處理醫(yī)學(xué)圖像,本文提出了醫(yī)學(xué)CT圖像的處理方法,對不同類型的醫(yī)學(xué)CT圖像進(jìn)行歸一化。為了完成小結(jié)節(jié)的檢測,本文提出了基于密集連接網(wǎng)絡(luò)的多尺度肺結(jié)節(jié)檢測方法,可以檢測兩種尺度范圍的結(jié)節(jié),網(wǎng)絡(luò)設(shè)置更加偏向小結(jié)節(jié)的檢測。...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 課題背景
        1.1.2 研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)方法與深度學(xué)習(xí)方法的性能差別
        1.2.2 基于全卷積網(wǎng)絡(luò)的病灶圖像分割算法
        1.2.3 基于目標(biāo)檢測方法的病灶檢測探究
        1.2.4 國內(nèi)醫(yī)學(xué)CT圖像病灶檢測研究現(xiàn)狀
        1.2.5 研究現(xiàn)狀總結(jié)
    1.3 論文內(nèi)容及結(jié)構(gòu)
第2章 CT圖像預(yù)處理及深度學(xué)習(xí)理論基礎(chǔ)
    2.1 醫(yī)學(xué)CT圖像預(yù)處理操作
        2.1.1 常見CT圖像數(shù)據(jù)格式
        2.1.2 肺結(jié)節(jié)檢測數(shù)據(jù)集
        2.1.3 肝腫瘤檢測數(shù)據(jù)集
        2.1.4 圖像處理基礎(chǔ)知識
        2.1.5 數(shù)據(jù)預(yù)處理
    2.2 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
    2.3 CT病灶目標(biāo)檢測算法理論基礎(chǔ)
        2.3.1 基于目標(biāo)檢測算法的檢測原理
        2.3.2 基于目標(biāo)檢測算法的網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 CT病灶圖像分割方法理論基礎(chǔ)
        2.4.1 基于Unet3D的圖像分割算法
        2.4.2 基于Unet3D的算法網(wǎng)絡(luò)結(jié)構(gòu)
    2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測方法
    3.1 基于密集網(wǎng)絡(luò)的肺結(jié)節(jié)檢測算法
        3.1.1 密集連接檢測方法
        3.1.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.2 基于深度學(xué)習(xí)的假陽性降低算法
        3.2.1 假陽性降低方法
        3.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 肺結(jié)節(jié)檢測實(shí)驗(yàn)流程
        3.3.2 肺CT器官分割算法對比實(shí)驗(yàn)
        3.3.3 肺CT結(jié)節(jié)檢測算法對比實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)的肝腫瘤檢測方法
    4.1 基于序列化抽取的肝臟分割算法
        4.1.1 序列化抽取方法
        4.1.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.2 基于特征融合Unet的肝腫瘤檢測算法
        4.2.1 特征融合Unet網(wǎng)絡(luò)方法
        4.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 肝腫瘤檢測實(shí)驗(yàn)流程
        4.3.2 肝CT器官分割算法對比實(shí)驗(yàn)
        4.3.3 肝CT腫瘤檢測算法對比實(shí)驗(yàn)
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他研究成果
致謝



本文編號：4015088