收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积自编码神经网络的肺结节检测

吴川北  
【摘要】:当前,肺癌已经对人类的生命安全产生了致命威胁。CT(Computed Tomography)扫描技术是及早诊断和发现肺癌的关键技术。然而用肉眼从众多的CT图像中检测出有结节的图像不仅耗时,而且非常困难。虽然已经有计算机辅助诊断系统(CAD)被引入到肺结节的检测中,但是这些CAD系统需要专业人员花费大量时间标注CT图像中的肺结节ROI(Region Of Interest)区域,需要巨大的人力成本,而且从ROI区域中分割出肺结节,可能丢失肺结节的重要边界信息。此外CAD系统需要进行手工的特征提取,而手工特征提取的方法难以确定有效的特征。针对胸腔CT图像中肺结节的检测中存在的问题,卷积自编码神经网络(Convolutional AutoEncoder Neural Network,CAENN)的深度学习模型被提出,用于检测包含肺结节的胸腔CT图像。考虑到人工标注肺结节ROI区域需要巨大的人力成本,而且无标注的胸腔CT图像非常丰富的现状,首先大量无标注的胸腔CT图像patch被用来进行无监督地学习图像特征,随后少量的有标签的数据被用来进行有监督地微调,训练出一个优秀的分类器。整个模型只需要使用少量标注了肺结节ROI区域的胸腔CT图像,因此节约了大量的人力成本。而且该深度学习模型能够自动学习图像特征而不需要进行手工特征的提取,避免了重要信息的丢失。实验中LIDC/IDRI肺结节公开数据集被用来生成了50000张无标签的图像patch和5500有标签的图像,分别用于进行无监督的图像特征学习和有监督的微调,最终的分类准确率达到了91%。在验证数据量对模型的影响时,得到有标签的训练数据只有2200的情况下,分类的准确率已提升到84%。实验结果证明该算法模型相比于普通的卷积神经网络等其他图像分类算法,不仅性能上有所提升,而且在有标签数据较少时也体现出了很好的性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王德杭,汪家旺,于立燕,俞同福;肺结节检测算法研究[J];上海生物医学工程;2005年01期
2 毛亚莉;刘勇;张晓忠;;肺结节的X线片诊断[J];中国民康医学;2006年22期
3 宋佳;李翠芳;孙希文;聂生东;;一种非实质性肺结节分割的新方法[J];中国医学影像技术;2011年12期
4 ;矽肺结节钙化五例临床分析[J];冶金劳动卫生;1976年02期
5 王敏杰,王培军,田建明,余准,李晓兵,崔恒武,邵成伟;低剂量和靶螺旋CT扫描技术在肺结节诊断中的价值[J];临床放射学杂志;2003年07期
6 王化,唐光健;多层螺旋CT在肺结节诊断中的应用及展望[J];国外医学(临床放射学分册);2005年06期
7 吴龙海;周荷琴;李传富;;基于高分辨率CT图像的肺结节检测[J];中国医疗器械杂志;2008年03期
8 苗芬;吴龙海;周荷琴;;一种基于相关矩阵的肺结节增强算法[J];北京生物医学工程;2008年05期
9 贾守勤;赵斌;尚延海;马子堂;刘世合;齐向芹;;常规DR胸片对肺结节漏诊原因的分析[J];医学与哲学(临床决策论坛版);2009年04期
10 高园园;吕庆文;;肺结节检测算法研究[J];医学信息;2010年02期
11 林欢;;容积CT扫描发现的肺结节的处理[J];循证医学;2010年01期
12 孙海宁;于铁链;李东;;重建算法和层厚对肺结节容积定量的影响[J];中国医学影像技术;2010年05期
13 H.Ashraf;B.de Hoop;S.B.Shaker;A.Dirksen;K.S.Bach;H.Hansen;袁友红;;肺结节体积测定:分割算法在同一软件包不能交替使用[J];国际医学放射学杂志;2010年05期
14 赵丽琴;王克杨;贺文;胡志海;李辉;陈疆红;李娟;崔宝军;李志欣;;数字化断层融合技术对肺结节筛查应用的初步研究[J];放射学实践;2010年11期
15 李欢;贺文;赵丽琴;王克扬;吕正飞;符玉环;胡咸正;苏天昊;;数字体层图像后处理方法对检测肺结节准确性的影响[J];中国医学影像技术;2011年03期
16 彭盛坤;曾勇明;赵峰;彭刚;郁仁强;王杰;蔡文晶;;比较数字断层融合与数字X线摄影检出模拟肺结节的能力[J];中国医学影像技术;2012年09期
17 陈玉桂;汤日杰;;基于多层螺旋CT高级肺结节分析软件中直径参数的选择[J];广东医学;2013年03期
18 高丰;葛虓俊;滑炎卿;;肺结节的处理策略研究应用新进展[J];中国肺癌杂志;2013年05期
19 刘大亮;三维评价肺结节的初步经验[J];国外医学(临床放射学分册);2005年06期
20 石羽;曹晓光;张弘;张晓鹏;;肺结节自动检测算法研究[J];仪器仪表学报;2006年S3期
中国重要会议论文全文数据库 前10条
1 查开继;高剑波;张永高;郭华;杨学华;周志刚;;断层融合成像与数字X线成像诊断肺结节的比较研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年
2 孙志远;;数字化体层融合在肺结节探查中的初步应用[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年
3 穆景博;高向东;;X线数字化体层融合技术在肺结节探查中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年
4 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];2006年华东六省一市暨浙江省放射学学术年会论文汇编[C];2006年
5 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会放射学分会第八届全国心胸影像学术大会暨河南省第十二次放射学术会议论文汇编[C];2006年
6 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会第十三届全国放射学大会论文汇编(下册)[C];2006年
7 高园园;吕庆文;冯前进;陈武凡;;一种新的肺结节检测算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
8 徐岩;马大庆;;计算机辅助检测肺结节在数字化胸片上的应用价值[A];中华医学会第十三届全国放射学大会论文汇编(下册)[C];2006年
9 王永仁;吴碧芳;经凤华;李峻;金德胜;;低剂量CT筛查肺结节对图像质量的影响[A];2008年浙江省放射学年会论文汇编[C];2008年
10 徐岩;马大庆;贺文;;计算机辅助检测肺结节在数字化胸片肺癌筛查中的应用价值[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年
中国博士学位论文全文数据库 前5条
1 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年
2 李旭冬;基于卷积神经网络的目标检测若干问题研究[D];电子科技大学;2017年
3 刘阳;基于肺部高分辨率CT影像的肺结节识别方法研究[D];东北大学;2011年
4 吴龙海;高分辨率CT图像的肺部病变计算机辅助诊断研究[D];中国科学技术大学;2008年
5 裴晓敏;基于CT影像的孤立性肺结节检测关键技术研究[D];东北大学;2011年
中国硕士学位论文全文数据库 前10条
1 吴川北;基于卷积自编码神经网络的肺结节检测[D];华中科技大学;2017年
2 郭慧峰;基于卷积神经网络的12306验证码识别[D];华南理工大学;2017年
3 曾令科;基于深度卷积神经网络的人群计数算法研究[D];华南理工大学;2017年
4 陈伟杰;卷积神经网络的加速及压缩[D];华南理工大学;2017年
5 姜博;基于卷积神经网络的注视点检测[D];大连理工大学;2017年
6 方圆;基于卷积神经网络的人脸表情识别研究[D];西安电子科技大学;2017年
7 朱晓宁;基于卷积神经网络的图像超分辨率研究[D];燕山大学;2017年
8 汪珊娜;基于卷积神经网络的织物美感分类与情感标注研究[D];浙江理工大学;2018年
9 顾文璇;基于深度卷积网络的农业病虫害图像分类识别应用[D];武汉轻工大学;2017年
10 王亚敏;基于多尺度卷积神经网络的车型识别[D];郑州大学;2017年
中国重要报纸全文数据库 前2条
1 上海交通大学医学院附属瑞金医院胸外科主任医师 邱维诚;发现肺结节 别轻易下诊断[N];健康报;2013年
2 朱立明 第四军医大学;三联诊断方案辨明肺结节[N];医药经济报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978