【摘 要】
:
肺癌是当今世界死亡率最高的癌症,如果能够在肺癌发生的早期发现并及时治疗,可以明显降低肺癌死亡率。利用图像分割技术对患者肺部CT图像中发生病变的区域进行精准分割,可以提高肺癌早期诊断率。传统图像分割方法分割精度低且需要大量人工操作。近年来分割精度更高且特征表征能力更强的深度神经网络在图像分割领域得到了广泛应用。因此,本文以U-Net和3D U-Net网络这两种深度学习方法为基础展开研究。主要贡献如下
论文部分内容阅读
肺癌是当今世界死亡率最高的癌症,如果能够在肺癌发生的早期发现并及时治疗,可以明显降低肺癌死亡率。利用图像分割技术对患者肺部CT图像中发生病变的区域进行精准分割,可以提高肺癌早期诊断率。传统图像分割方法分割精度低且需要大量人工操作。近年来分割精度更高且特征表征能力更强的深度神经网络在图像分割领域得到了广泛应用。因此,本文以U-Net和3D U-Net网络这两种深度学习方法为基础展开研究。主要贡献如下:(1)基于深度残差网络和注意力机制的U-Net图像分割算法研究针对U-Net中的传统CNN网络随着深度增加出现网络性能退化的问题,本文探索了一种特征提取能力更强的深度学习方法;针对肺结点大小形态各异且容易受到周围组织干扰的问题,设计了两种不同尺度的卷积模块;针对U-Net中跳跃连接忽略了通道间关系的问题,引入了注意力机制。首先对特征提取网络进行改进,将表征能力更强的深度残差网络作为主干网络。其次参考Inception设计了大核卷积模块,并引入小核卷积模块,提取全局语义信息和局部几何信息。最后使用注意力模块,加强特征通道之间的联系,使特征表达更丰富。在LUNA16数据集上进行实验,最终实验结果表明本文模型相较于基础U-Net网络精确度提高了3.86%,DICE提升了5.53%。(2)基于注意力机制和深度监督的3D U-Net图像分割算法研究针对2D U-Net模型中没有考虑CT图像三维空间特性的问题,本文探索了一种分割精度更高的3D U-Net模型;针对二维注意力模块无法适用于高维数据的问题,改进了3D U-Net的注意力模块;针对模型对于不同形态和大小的特征鲁棒性低的问题,利用深度监督方法进行改进。首先将U-Net模型中的二维卷积核替换为三维卷积核以适应不经过切片处理的完整CT图像。其次将二维注意力模块扩展到三维,使模型在空间和通道维度获得了整个全局范围内特征之间的依赖。最后利用深度监督方法,防止浅层特征丢失,同时避免梯度消失等问题。实验结果表明,3D U-Net模型比原始2D U-Net模型有着更强的分割性能,同时相较于基础3D U-Net模型,本文方法平均交并比提高了1.92%,DICE系数提高了2.59%,MPA系数提高了2.04%。(3)基于3D CNN的肺结点分类研究针对3D U-Net分割结果中出现的假阳性样本,本文设计了一种分类网络对其进行区分。将所有分割后的肺结点作为输入,使用3D CNN网络进行特征提取,最后使用全连接网络整合特征并分类。实验结果表明,通过筛选,有效降低了假阳性样本的比例,降低了发生误诊的概率。
其他文献
声学场景分类可以通过分析处理来识别音频所描述的声学场景,是自然声学场景计算分析领域的重要技术,在智能设备、声音监控以及多媒体分析等领域的应用十分广泛。但是目前声学场景分类任务仍存在着分类准确度不高、泛化能力较弱等问题,基于此,本文开展了如下研究工作:(1)首先介绍了声学场景分类技术的研究价值及其国内外研究现状,梳理了声学场景分类的基本流程,并详细叙述了音频样本数据的特征提取,和常用分类模型在声学场
随着信息时代的到来,在互联网上会产生越来越多的非结构化文本信息,在文本信息中隐藏着许多有价值的数据,为了从中获取这些重要数据,需要信息抽取技术的帮助。信息抽取可以从海量数据中抽取出结构化的信息,实体关系抽取是信息抽取的主要任务之一,是构建知识图谱、自动问答等自然语言处理任务的基础。因此,实体关系抽取具有重要的研究意义。传统流水线方法存在错误传播和不能有效抽取关系重叠的问题,会导致实体关系抽取模型总
机器学习是当今迅速发展的前沿研究领域之一,机器学习技术最近被用于研究在凝聚态、量子信息和相关物理领域中遇到的经典问题和量子多体问题。通过这些研究的最新进展以及重要应用提升了对该领域的认识。本文以伊辛模型和Potts模型的相变研究为例,采用王朗道蒙特卡罗算法模拟得到模型的构型数据集,之后使用机器学习的非监督学习方法对模型的相变进行研究。使用机器学习研究相变时,通常运用蒙特卡罗方法生成模型的构型来制备
数字内容资源数量大、类型多、传播快、侵权难度低,导致侵权认证困难和维权成本高。目前,版权保护主要途径是利用中国版权保护中心著作权登记系统和第三方社会化版权管理系统对版权进行登记。这些系统大都以基于DCI(Digital Copyright Identifier,数字版权唯一标识符)体系或区块链的版权登记方式对版权认证;由于缺少数字内容资源与版权标识技术性永久绑定的手段,无法进行版权追踪,数字内容资
脑网络已经在神经成像领域内得到广泛的应用。近年来,高阶功能连接网络和超网络在脑疾病诊断方面取得了较大的进步。然而,两种网络均存在相应的问题:高阶功能连接网络虽然考虑了网络的时变特性,但并不能处理网络中的空间多元交互问题;而超网络虽然可以表征多个大脑区域之间的相互作用,但并未考虑到网络的动态特性,这种相互作用本质上是静态的。因此,上述两种网络都有各自的局限性。为了解决这一问题,本文融合高阶功能连接网
心脑血管疾病因其高死亡率,目前已经成为医学界的重点研究病症之一。中国作为人口大国,患病人数逐年上升,心脑血管疾病已经不仅是中老年群体的高发病,45岁以下的中青年同样成为了易发生心梗、脑卒中等心脑血管疾病的高危人群。常见的临床检测与诊断存在着预防困难、诊断不及时、传统体检检测困难以及治疗易致残等问题,因此,如何在发病前快捷有效地进行辅助预测,从而对患者起到预警作用是一重大问题。回顾漫长的中国医学发展
为了实现对桥梁平转施工动态过程的实时监测,系统设计并完成了集成应力传感器、倾角传感器、拉线传感器的集成式球铰的桥梁转体防倾覆监控系统。依靠MATLAB与LabVIEW混合编程模式实现多倾角传感器的融合、应力差法计算桥梁的倾覆力矩,利用倾角和倾覆力矩双输入的模糊计算得到转体桥梁唯一的倾覆危险值,提高了转体桥梁的倾覆危险值的可靠性。系统通过三维模型的姿态跟踪及应力映射,实现人性化的直观显示,简化施工现
数字图像已经在日常生活中被广泛使用,但是也面临着信息泄漏和侵犯版权等问题,因此数字图像保护技术应运而生。作为两种重要的图像保护技术,数字图像加密技术和数字图像水印技术已经成为研究热点。近年来,数字图像加密技术的研究大部分都是基于简单、低维的混沌系统,安全性不足;而数字图像水印技术则大部分是在水印嵌入算法上作出改进,忽略了水印系统的安全性。本文针对数字图像保护技术中的问题进行了研究,提出了基于高维复
植物叶片病害识别是农业和图像处理领域共同关注的重要课题。目前大多数病害识别的研究都基于神经网络,而成功的神经网络包含较多的参数,使用有监督的神经网络模型进行叶片病害识别需要充足的样本进行训练。而在现实生活中,由于标记样本的代价较高或病害发病率较低等因素,往往得不到充足的训练数据,这是目前植物病害识别研究的一个普遍挑战。因此,需要寻找一种能够生成病害图像的数据增强方法,解决训练样本不充足问题,以满足
行人再识别技术作为计算机视觉领域的重要研究课题,它可以形象地理解为在不同的监控摄像头下检索相同的行人。随着互联网的高速发展,监控网络渐渐覆盖到生活的方方面面,大量的图片数据需要处理,由此行人再识别技术被人们广泛关注。尽管目前行人再识别性能有所提高,但现有的方法通常依赖于这样一个假设,即要查询的人和图库图像都拥有相同的服装。虽然这个假设确实适用于许多现有的Re-ID数据集,但如果数据经过很长时间的聚