论文部分内容阅读
肺癌作为全球性的恶性疾病，一直以来对人类的生命健康造成了严重的威胁。肺部病变初期在影像上表现为肺部内出现结节，肺结节有良恶性之分，恶性肺结节往往会发展成为肺癌，因此肺癌诊断的重要环节就是要在肺部CT图像中及时准确区分出结节和非结节并判断肺结节的良恶性。传统的计算机辅助肺结节分类算法以人工提取特征和机器学习算法为主，肺结节分类过程复杂，分类过程中每个步骤的性能都会对分类结果产生影响，存在分类假阳性率高、准确率低等一系列问题。
为了改进传统的肺结节分类算法中存在的不足，本文针对肺结节与非结节分类和肺结节良恶性分类两阶段任务，提出基于深度残差网络的肺结节分类算法和基于细粒度图像分类网络的肺结节分类算法。目的是提高肺结节分类的准确性，为肺部疾病的临床诊断提供更加切实有效的帮助。论文的主要研究工作包括：
第一，本文实验数据来源于LIDC-IDR公开数据集，在实验数据准备阶段，基于XML文件中专家对结节、非结节区域轮廓坐标的标注以及对结节恶性程度的解析，在原始CT图像中提取结节和非结节区域构建肺结节与非结节分类实验数据库和肺结节良恶性分类实验数据库。
第二，针对传统的手工提取特征方法复杂，分类结果不理想的问题，结合深度残差网络和全局平均池化策略的优势，迁移应用深度残差网络模型用于肺结节与非结节分类任务，提出了基于深度残差网络的肺结节分类算法。通过在本文构建的肺结节与非结节分类数据库中的实验结果表明，基于深度残差网络的肺结节分类算法在肺结节与非结节分类任务中获得了较高的性能。
第三，在肺结节与非结节分类结果的基础上继续研究肺结节良恶性分类问题，考虑到良性结节与恶性结节图像特征差异不明显，肺结节良恶性分类任务与自然图像分类领域中图像细粒度分类任务的相似处，将细粒度图像分类网络应用于肺结节良恶性分类任务中，提出了基于细粒度图像分类网络的肺结节分类算法。基于细粒度图像分类网络的肺结节分类算法结合深度残差网络对已有的细粒度图分类网络做出改进，将ResNet101作为基础的特征提取网络和最终分类器。实验结果表明，基于细粒度图像分类网络的肺结节分类算法在肺结节良恶性分类实验中获得了更好的分类效果。
为了改进传统的肺结节分类算法中存在的不足，本文针对肺结节与非结节分类和肺结节良恶性分类两阶段任务，提出基于深度残差网络的肺结节分类算法和基于细粒度图像分类网络的肺结节分类算法。目的是提高肺结节分类的准确性，为肺部疾病的临床诊断提供更加切实有效的帮助。论文的主要研究工作包括：
第一，本文实验数据来源于LIDC-IDR公开数据集，在实验数据准备阶段，基于XML文件中专家对结节、非结节区域轮廓坐标的标注以及对结节恶性程度的解析，在原始CT图像中提取结节和非结节区域构建肺结节与非结节分类实验数据库和肺结节良恶性分类实验数据库。
第二，针对传统的手工提取特征方法复杂，分类结果不理想的问题，结合深度残差网络和全局平均池化策略的优势，迁移应用深度残差网络模型用于肺结节与非结节分类任务，提出了基于深度残差网络的肺结节分类算法。通过在本文构建的肺结节与非结节分类数据库中的实验结果表明，基于深度残差网络的肺结节分类算法在肺结节与非结节分类任务中获得了较高的性能。
第三，在肺结节与非结节分类结果的基础上继续研究肺结节良恶性分类问题，考虑到良性结节与恶性结节图像特征差异不明显，肺结节良恶性分类任务与自然图像分类领域中图像细粒度分类任务的相似处，将细粒度图像分类网络应用于肺结节良恶性分类任务中，提出了基于细粒度图像分类网络的肺结节分类算法。基于细粒度图像分类网络的肺结节分类算法结合深度残差网络对已有的细粒度图分类网络做出改进，将ResNet101作为基础的特征提取网络和最终分类器。实验结果表明，基于细粒度图像分类网络的肺结节分类算法在肺结节良恶性分类实验中获得了更好的分类效果。