肺結(jié)節(jié)檢測機器視覺技術(shù)

第1章肺結(jié)節(jié)檢測與深度學習001
1.1肺結(jié)節(jié)檢測的背景與發(fā)展現(xiàn)狀001
1.2CAD系統(tǒng)研究現(xiàn)狀004
1.2.1肺實質(zhì)分割算法研究005
1.2.2肺結(jié)節(jié)檢測算法研究008
1.3深度卷積神經(jīng)網(wǎng)絡(luò)009
1.3.1深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展009
1.3.2卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)010
參考文獻013

第2章肺結(jié)節(jié)檢測原理與技術(shù)015
2.1醫(yī)學影像知識015
2.1.1計算機斷層掃描技術(shù)015
2.1.2肺結(jié)節(jié)的醫(yī)學影像特征018
2.2肺結(jié)節(jié)檢測評價指標020
2.2.1真/假陽性率020
2.2.2競爭性能指標022
2.2.3自由響應(yīng)操作特性曲線022
2.3深度學習方法與傳統(tǒng)檢測方法的優(yōu)劣勢023
2.4現(xiàn)有檢測技術(shù)介紹025
2.4.1多流框架學習025
2.4.2遷移學習026
2.4.3無/半/自監(jiān)督學習027
2.4.4多任務(wù)學習029
2.5常用數(shù)據(jù)集030
參考文獻034

第3章基于目標檢測的U-Net構(gòu)建與肺結(jié)節(jié)候選檢測036
3.1肺實質(zhì)分割037
3.1.1圖像預(yù)處理037
3.1.2肺實質(zhì)初定位039
3.1.3肺實質(zhì)輪廓修補039
3.1.4灰度值歸一化042
3.2數(shù)據(jù)預(yù)處理與增強043
3.2.1圖像裁剪043
3.2.2數(shù)據(jù)增強044
3.3R2U-Net網(wǎng)絡(luò)構(gòu)建045
3.3.1U-Net框架修正045
3.3.2ResNet殘差單元047
3.3.3RPN網(wǎng)絡(luò)的anchor機制049
3.3.4R2U-Net網(wǎng)絡(luò)050
3.4模型性能優(yōu)化051
3.4.1損失優(yōu)化051
3.4.2難分類樣本挖掘052
3.4.3非極大值抑制053
3.4.4K-折交叉驗證054
3.5實驗設(shè)置與結(jié)果分析056
3.5.1實驗設(shè)置056
3.5.2結(jié)果分析056
參考文獻061

第4章基于多流多尺度融合的U-Net構(gòu)建與肺結(jié)節(jié)候選檢測063
4.1R2 U-Net網(wǎng)絡(luò)框架優(yōu)化064
4.1.1多尺度輸入融合算法064
4.1.2多流輸出融合算法065
4.1.3非線性卷積模塊066
4.1.4MS2 U-Net網(wǎng)絡(luò)介紹067
4.2非極大值抑制改進算法068
4.3實驗結(jié)果與分析069
4.3.1實驗設(shè)置069
4.3.2結(jié)果分析070
參考文獻080

第5章注意力機制與特征金字塔與肺結(jié)節(jié)候選檢測082
5.1基于通道-空間注意力機制的網(wǎng)絡(luò)設(shè)計083
5.1.1U-Net網(wǎng)絡(luò)結(jié)構(gòu) 083
5.1.2U-SENet網(wǎng)絡(luò)構(gòu)建085
5.2U-SENet網(wǎng)絡(luò)應(yīng)用于候選肺結(jié)節(jié)檢測086
5.2.1數(shù)據(jù)增強086
5.2.2優(yōu)化損失函數(shù)087
5.2.3通道-空間注意力機制介紹088
5.2.4權(quán)重初始化091
5.3特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)092
5.4特征金字塔網(wǎng)絡(luò)應(yīng)用于目標檢測095
5.5多尺度3D特征金字塔網(wǎng)絡(luò)及肺結(jié)節(jié)檢測098
5.6實驗結(jié)果與分析100
5.6.1U-SENet實驗結(jié)果與分析101
5.6.2MFDM實驗結(jié)果與分析102
參考文獻104

第6章3D全卷積網(wǎng)絡(luò)設(shè)計與肺結(jié)節(jié)精檢測106
6.13D全卷積網(wǎng)絡(luò)107
6.1.1C3D網(wǎng)絡(luò)107
6.1.2FC-C3D網(wǎng)絡(luò)111
6.2模型性能分析與改進114
6.2.1測試數(shù)據(jù)114
6.2.2損失函數(shù)優(yōu)化119
6.2.3模型融合121
6.2.4模型訓練125
6.3實驗結(jié)果分析127
6.3.13種實驗方法對比127
6.3.2融合方法對比128
6.3.3與其他方法對比131
參考文獻133

第7章多模型融合應(yīng)用于肺結(jié)節(jié)精檢測135
7.1多模型肺結(jié)節(jié)檢測融合135
7.1.1Conv3DNet135
7.1.2Inception3DNet138
7.1.3RD3DNet140
7.1.4損失函數(shù)優(yōu)化143
7.1.5模型融合145
7.2肺結(jié)節(jié)精檢測實驗與分析148
7.2.1正負樣本平衡148
7.2.2訓練過程149
7.2.3實驗結(jié)果對比與分析150
參考文獻155

第8章肺結(jié)節(jié)CAD檢測系統(tǒng)設(shè)計156
8.1需求分析156
8.2結(jié)構(gòu)及功能設(shè)計157
8.3功能性測試159
8.3.1登錄功能測試160
8.3.2讀取文件功能與查看原圖功能測試161
8.3.3肺部分割顯示功能測試161
8.3.4結(jié)節(jié)檢測顯示功能測試162
8.3.5結(jié)果顯示功能測試164
8.3.6診斷意見輸入功能164