基于深度学习的肺结节检测研究

《基于深度学习的肺结节检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要研究数据表明，在全世界范围内肺癌的发病人数居于癌症中的首位。2015年，中国新增430万癌症病例，肺癌大约占其中的20%。肺癌的早期发现能有效的提高患者的生存率，肺癌患者的5年平均生存率仅有15%左右，而如果肺癌能在早期被检测到，患者的5年生存率可以提高到70%以上。早期肺癌在CT图像上多表现为肺结节，因此肺结节检测一直是早期肺癌检测的重要环节。在一些发达国家，比如日本和美国，高风险公民每年都会被建议去接受低剂量螺旋CT扫描的常规体检。但这会产生数以万计的CT图像，大大增加放射医师的负担。因此利用计算机来辅助医师检测并诊断肺结节一直是学术界的热点。以前的肺结节检

2、测方法大多建立在传统机器学习之上，用手工设计特征提取，泛化性不佳，在灵敏度等指标上，并没有达到临床医学应用的需求。近年来深度学习在图像处理和自然语言处理等领域获得了巨大成功，受此启发，本文提出了一种基于U-Net的肺结节检测方法。U-Net是一种具有编码器-解码器结构的卷积神经网络模型，常见于医学图像分割领域，以2D图像作为输入，对图像进行像素级别的分类。本文对其进行了改进，将输入改为了3D图像，并加入残差学习模块提高其综合性能。肺结节的检测方法分为三步。第一步是图像预处理，将原始CT图像中的数据转化为亨氏单位（HU）。第二步是肺实质分割，通过阈值法和一些形态学上的操作

3、，将肺与其他组织分离，并生成掩码图。最后一步是训练3DU-Net模型来检测肺结节，将步骤二中得到的图像分割成64×64×64的小块，作为3D张量输入网络，提取特征，训练肺结节检测模型，最终输出结果。本文实验使用的训练和测试数据是网上公开的LIDC/IDRI数据集。数据集被分为两部分，其中90%的数据用来训练，10%的数据用来检测。实验结果表明，本文提出的肺结节检测方法在敏感性和平均假阳性数上，分别达到了92.9%和4.87。优于传统机器学习为基础的肺结节检测方法，能够达到预期的效果。关键字：肺结节，肺实质分割，U-Net，卷积神经网络，深度学习I广州大学硕士学位论文Ab

4、stractAccordingtotheresearch,pulmonarycanceristheleadingcauseofcancer-relateddeathallovertheworld.In2015,over4.3millionwerediagnosedwithcancerinChina,andlungcanceraccountedforabout20%ofit.Earlydetectionofpulmonarycanceristhemostpromisingwaytoimprovepatients’survivalrate,patientsdiagnosed

5、withpulmonarycancerhaveafive-yearsurvivalrateabout15%.However,iflungcancerisdiagnosedinearlystages,thefive-yearsurvivalrateincreasesto70%.EarlylungcanceroftenappearsaspulmonarynodulesonCTimages,sotheautomateddetectionoflungnoduleincomputedtomography(CT)imagesplaysanimportantroleindiagnos

6、ingpulmonarycancer.Insomedevelopedcountries,suchasAmericaandJapan,high-riskcitizensaresuggestedtotakeroutinemedicalexaminationwithlowdosehelicalCTscanning.ButitwillproducehundredsofthousandsCTimages,andgreatlyincreasedtheburdenofradiologists.Sothereisanurgentneedtousecomputertohelptherad

7、iologiststomakediagnoses,andacademicresearchinthisareahasalwaysbeenahotspot.Mostofthepreviousmethodsofcomputer-aidedlungnodulediagnosisarebasedontraditionalmachinelearning.Theyextractfeaturemanually,arehardtogeneralizeandthesensitivityofthemcanstillbeimprovedgreatly.Sothe