基于深度信念網(wǎng)絡(luò)的肺結(jié)節(jié)分類研究.pdf

1、隨著醫(yī)學(xué)水平的不斷提高，最為普遍的肺部成像技術(shù)----CT技術(shù)也愈發(fā)先進(jìn)，導(dǎo)致每位就診人員的肺部CT數(shù)據(jù)成倍增加，加之患者數(shù)量大幅上升，產(chǎn)生海量的CT圖像。數(shù)據(jù)的爆炸式增多是導(dǎo)致對(duì)肺癌診斷的漏檢、誤診率居高不下的主要原因。目前，由于CAD系統(tǒng)的使用，在一定程度上減少了泛診，節(jié)約了醫(yī)生的時(shí)間與精力，成為醫(yī)生必不可少的“助手”。
　　本研究主要內(nèi)容包括：⑴由于結(jié)節(jié)外形的多樣性以及特征的復(fù)雜性，在一定程度上會(huì)導(dǎo)致結(jié)節(jié)的過(guò)分割，過(guò)分割會(huì)使

2、有效信息丟失，直接影響診斷的準(zhǔn)確度。但如果將原始CT圖像（512*512大?。┳鳛槿魏螌W(xué)習(xí)網(wǎng)絡(luò)的輸入，其學(xué)習(xí)過(guò)程的復(fù)雜性是不可想象的，甚至是無(wú)法完成的。將目標(biāo)追蹤應(yīng)用于肺部圖像。提出的基于超像素的追蹤算法是在粒子濾波框架下進(jìn)行的，首先構(gòu)建一個(gè)基于超像素的肺實(shí)質(zhì)外觀模板，然后建立待追蹤圖像的置信圖并設(shè)置自適應(yīng)大小的追蹤窗體。在追蹤的過(guò)程中實(shí)時(shí)更新模板以保證模板的準(zhǔn)確性。保留序列圖像中每張CT最優(yōu)狀態(tài)時(shí)的追蹤信息。對(duì)原始CT圖像進(jìn)行追蹤，快

3、速準(zhǔn)確地定位了肺部感興趣區(qū)域肺實(shí)質(zhì)，有效節(jié)約了時(shí)間成本，為后期的分類做了必要準(zhǔn)備。追蹤算法可以快速定位出肺部感興趣區(qū)域，有效削弱了CT圖像中除肺實(shí)質(zhì)外多余信息的干擾，降低了深度學(xué)習(xí)應(yīng)用于肺部疾病診斷的復(fù)雜性。⑵傳統(tǒng)分類方法BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)（SVM）、自生成神經(jīng)網(wǎng)絡(luò)（SGNN）等，需人工提取特征，由于不同人有不同的主觀標(biāo)準(zhǔn)，因此提取的特征集相差很大。且分類器結(jié)構(gòu)簡(jiǎn)單，無(wú)法運(yùn)用于大樣本數(shù)據(jù)集，針對(duì)上述問(wèn)題，本文將深度信念網(wǎng)絡(luò)引入對(duì)結(jié)

4、節(jié)的良惡性診斷中。由于深度信念網(wǎng)絡(luò)擁有多層非線性結(jié)構(gòu)，對(duì)復(fù)雜的數(shù)據(jù)關(guān)系有極強(qiáng)的非線性映射能力，且學(xué)習(xí)過(guò)程是由有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)交替完成，能更好的完成特征學(xué)習(xí)與分類任務(wù)。在本文中，運(yùn)用上述追蹤方法，得到肺部感興趣區(qū)域，將所有的感興趣區(qū)域圖像進(jìn)行雙線性插值，統(tǒng)一圖像尺寸，形成深度學(xué)習(xí)網(wǎng)絡(luò)的輸入數(shù)據(jù)。接著根據(jù)數(shù)據(jù)集，自定義5層的深度信念網(wǎng)絡(luò)。對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練與測(cè)試，在訓(xùn)練過(guò)程中對(duì)網(wǎng)絡(luò)涉及到的重要參數(shù)隱藏層節(jié)點(diǎn)數(shù)、批數(shù)據(jù)大小以及樣本循環(huán)次數(shù)等