导读:本文包含了肺结节分割论文开题报告文献综述及选题提纲参考文献，主要关键词:肺结节,分割,深度残差结构,召回率
肺结节分割论文文献综述
张倩雯,陈明,秦玉芳,陈希[1]（2019）在《基于3D ResUnet网络的肺结节分割》一文中研究指出目的:将深度残差结构和U-Net网络结合形成新的网络ResUnet,并利用ResUnet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像块并进行数据增强来扩充样本数,形成相应的肺结节掩膜图像,最后将生成的样本输入到ResUnet模型中进行训练。结果:本研究模型最终的精度和召回率分别为35.02%和97.68%。结论:该模型能自动学习肺结节特征,为后续的肺癌自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断的时间。(本文来源于《中国医学物理学杂志》期刊2019年11期）
张丽[2]（2019）在《磨玻璃型肺结节分割方法研究》一文中研究指出1.引言肺癌是当今死亡率最高的恶性肿瘤,主要因为癌症早期病变特征不明显,在传统影像学中难于确诊。现在的CT技术不断发展,在新的断层式扫描技术下,肺癌特征能够比较明显的显示出来,便于医师做出判断。但是,断层扫描技术会产生大量的图像序列,会造成医师读片工作量巨大,并且医师的人为读片,往往会根据自己的经验等做出(本文来源于《电子世界》期刊2019年21期）
张丽[3]（2019）在《基于薄扫CT序列图像的肺结节分割及分类方法研究》一文中研究指出肺癌是全球癌症中发病率和死亡率最高的恶性肿瘤。人工智能的兴起、大数据深度挖掘的应用结合计算模型优化,使得计算机辅助诊断大大提高了肺癌的自动诊断率。但是,由于肺癌的临床确诊多为中期晚(II、III、IV期),经过标准化治疗(手术或立体定向放疗)后,5年生存率仍低于5%,而早期肺癌患者的治愈率可达80%以上。但早期的肺部细小病变特征很难被发现,薄层扫描模式下CT成像技术能够灵敏发现早期肺部微小病变。但同时,CT成像技术带来了大量的CT序列图像,这将不可避免地导致计算机辅助诊断系统中CT图像处理难度加大,处理速度慢,效率低等问题。对CT序列图像中的结节进行准确的分割,同时提高肺结节良恶性分类的准确度,都将大大提高计算机辅助诊断系统的效率。因此,分割与分类都成为肺部计算机辅助诊断研究中的重点与难点。本论文主要针对薄扫CT序列图像中肺结节分割与分类的方法展开讨论与研究。(一)本文针对磨玻璃型肺结节分割不准确且分割效率低的问题,提出了一种基于自动种子点的磨玻璃型肺结节序列分割方法。首先,将自适应高斯滤波应用于分割好的肺实质图像,以便拉伸肺实质、磨玻璃结节和血管等之间的对比度;然后,使用改进的滑降算法,自动准确定位种子点;最后通过迭代模糊连接度算法得到分割后的肺结节图像。实验结果表明,本文方法不仅对磨玻璃型肺结节具有很好的分割效果,而且对孤立型、胸膜牵拉型肺结节进行分割时,也能够实现精确分割。本文提出的算法还解决了种子点需要人工交互的问题,在提高肺结节图像分割效果的同时提高了算法的通用性。(二)在肺结节分类方面,本文提出了一种基于多尺度空间金字塔池化的肺结节分类方法。由于肺结节大小不一的特性,使得同一尺度图像输入卷积神经网络时,总会包含较多的背景冗余信息,不能精确提取肺结节特征。针对这一问题,首先改进了经典的AlexNet网络,使其更适合肺结节图像分类。其次,设计了结节的多尺度输入方法,极大减少了感兴趣区域的冗余信息。最后,通过多尺度空间金字塔池化策略提取肺结节图像特征,并实现固定长度表示。实验结果表明,本文方法与其他方法相比,在准确性、敏感度、特异度等方面均有更优异的表现,具有更高的分类准确性。(本文来源于《太原理工大学》期刊2019-06-01）
程金凤[4]（2019）在《基于模糊C均值聚类的肺结节图像分割算法研究》一文中研究指出肺癌正逐步成为威胁人类生命的癌症之首。肺癌早期是以肺结节的形式表现的,及早发现和治疗是治疗肺癌最有效的方法。肺部肿瘤计算机辅助诊断系统通过医学图像处理技术辅助发现病灶,提高诊断的准确率。进行计算机辅助诊断系统的关键问题是实现对医学影像中的病变组织的正确、快速的分割。肺部影像主要采集手段是拍摄电子计算机断层扫描CT图像。由于CT影像的成像原理使得肺部CT图像中存在大量的噪声和灰度不均匀的问题,精确分割肺部CT图像成为关键问题。目前,基于模糊C均值聚类的图像分割技术得到广泛应用,但是在该方法应用到肺结节分割上仍然存在分割不完整和分割效率低的问题。本文主要研究了基于模糊C均值聚类的肺结节CT图像分割算法模型,主要贡献如下:1)针对血管粘连型肺结节分割算法存在肺结节与血管分割不足的特点,提出一种自适应模糊C均值聚类(Adaptive and Robust Fuzzy C-mean Clustering,ARFCM)肺结节CT图像分割算法模型。由于邻域像素有可能是噪声点或者边缘像素点,不是所有的邻域信息都会对中心像素点产生正相关的影响,所以需要重新定义邻域窗口像素点信息的参考机制。本文根据像素点的特征以及中心像素点的8邻域像素点的灰度波动情况,在目标函数中引入权重因子,自适应更新权重因子,利用权重因子选择不同的模糊项。如果中心像素点为噪声点或边缘点,目标函数会根据权重因子选择适合该情况的模糊因子。实验结果表明,该方法对肺结节的分割效果明显优于其他典型算法。2)针对肺结节分割算法忽略整幅CT图内在结构信息的问题,提出了融合马尔科夫随机场的模糊C均值聚类肺结节CT图像分割算法模型(U-MRF and Fuzzy C-mean Clustering,U-MFCM)。该方法主要利用马尔科夫随机场将像素点的内部结构信息融入到模糊C均值聚类的隶属度矩阵中。首先利用模糊C均值聚类对肺部CT图像进行初始分割,得到中心像素点的初始隶属度矩阵。然后通过马尔科夫随机场将中心像素点的邻域像素进行处理,得到邻域像素的隶属类别标签,再利用中心像素点与邻域像素点的空间邻域关系计算得到中心像素点的隶属度矩阵。最后将模糊隶属度矩阵与马尔科夫随机场的隶属度矩阵进行迭加更新,得到最终的肺结节分割结果。实验结果表明,该方法解决了传统分割方法对图像的过分割问题,提高了肺结节的分割效率。(本文来源于《河南工业大学》期刊2019-05-01）
肖宁,强彦,赵涓涓,张小龙[5]（2019）在《基于分割对抗网络的肺结节分割》一文中研究指出为实现肺结节的精准快速分割,提出一种基于分割对抗网络的像素到像素的肺结节分割方法。算法分为两个模块,分割模块用以提取肺结节的特征,分割肺结节;对抗模块用以比较分割出的结节与金标准之间的差异,评价分割效果。通过对大量CT图像的对抗训练,学习得到肺结节特征,并得到分割后的结节图像。在LIDC-IDRI肺结节公开数据集上的测试结果表明,该方法像素精度达到90.14%,与金标准的交叉比达到66.10%,能准确高效分割出CT图像中的肺结节。(本文来源于《计算机工程与设计》期刊2019年04期）
郭桐,谢世朋[6]（2019）在《肺结节图像的自动分割与识别》一文中研究指出为实现肺结节自动分析与识别,研究基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法。该方法包括5个步骤:收集图像数据,用于模型构建和测试AAR;叙述胸腔中每个器官的精确定义,根据定义提取肺部轮廓;建立分层模糊解剖模型;利用分层模型识别和定位肺部;根据层级结构提取肺部轮廓。将分割好的肺部图片作为输入送入卷积神经网络进行肺部结节检测,通过使用VGG-16网络模型,在天池医疗AI大赛的数据集上实现了92.72%的目标检测准确率。(本文来源于《计算机工程与设计》期刊2019年02期）
冯宝,陈相猛,李浦生,陈业航,姚楠[7]（2019）在《小波能量引导下基于活动轮廓模型的部分实性肺结节分割》一文中研究指出由于部分实性肺结节(pGGO)中的实性成分存在亮度不均匀和边界模糊等问题,传统的活动轮廓模型很难取得精确的分割结果.为此,文中提出了一种改进的小波能量引导下的活动轮廓模型来完成pGGO中实性成分的分割.首先,通过小波变换将图像的灰度信息转变成小波系数,对低通小波系数进行模糊化,以抑制图像局部区域过增强和欠增强,同时结合高通小波系数计算图像的小波能量并构建活动轮廓模型的区域项,以加强肺结节中实性成分与周围磨玻璃影的区分;然后,利用高斯混合模型计算肺结节图像的后验概率,将后验概率差作为活动轮廓模型的边界检测函数,使得在实性成分的边界处边界检测函数趋于0,轮廓曲线停止演变.实验结果显示,文中提出的模型得到的真阳性率为0.95、假阳性率为0.23和相似度为0.80,有助于pGGO中实性成分的确定.(本文来源于《华南理工大学学报(自然科学版)》期刊2019年02期）
冯宝,张绍荣,陈业航,李昌林,李智[8]（2018）在《结合小波能量和汉森形状指数的肺结节分割》一文中研究指出部分实性肺结节(PSPN)中实性成分的精确分割在肺结节的临床诊断中具有重要意义。针对PSPN中实性成分边界模糊、亮度不均匀且易发生血管黏连的问题,提出结合小波能量和汉森矩阵指数的PSPN实性成分分割算法。首先通过小波变换将图像的亮度转变成小波系数,结合低频小波系数和高频小波系数获取小波能量,构建基于小波能量的活动轮廓模型区域项,以便加强PSPN中实性成分与周围磨玻璃影的区分;其次,结合灰度信息和汉森矩阵指数,提出基于局部形态特征的模糊速度函数,将其引入到活动轮廓模型中作为边界停止函数,在PSPN实性成分边界处,该速度函数为0,活动轮廓曲线停止演变,完成实性成分分割。实验结果表明,所提出的方法有助于血管黏连情况下PSPN中实性成分的确定。(本文来源于《仪器仪表学报》期刊2018年11期）
李祥霞,李彬,田联房,张莉,朱文博[9]（2018）在《基于稀疏表示和随机游走的磨玻璃型肺结节分割》一文中研究指出肺结节是早期肺癌在影像学上的表现形式.磨玻璃型(Ground glass opacity,GGO)肺结节被认为是恶变可能性最大的一类结节之一.针对GGO结节边缘模糊、大小各异、形状不规则和灰度不均匀等造成分割准确率低问题,本文提出了一种基于稀疏表示和随机游走模型的分割算法.首先,利用测地距离和局部搜索策略,自动地选取了种子点.其次,联合8-邻域和稀疏表示的K-最近邻算法建立了新的图,避免了噪声的干扰.结合灰度、纹理、空间距离和稀疏系数构建了新的加权矩阵.最后,将标签限制项引入到随机游走的能量函数中.该算法分割准确性较高,鲁棒性较强.(本文来源于《自动化学报》期刊2018年09期）
张伟,张小龙,赵涓涓,强彦,唐笑先[10]（2018）在《血管粘连型肺结节图像的序列分割方法》一文中研究指出为解决以往分割算法对血管粘连型结节分割不准确以及分割效率较低等问题,提出基于超像素和稀疏子空间聚类的序列肺结节图像分割方法。对CT图像进行序列肺实质分割,提取感兴趣图像序列,采用改进的超像素序列分割方法对感兴趣图像序列进行过分割,对所有的超像素样本提取新特征,包括对比度增强直方图特征、超像素样本邻域纹理特征以及基于先验知识的位置信息特征,采用距离约束稀疏子空间聚类算法对超像素样本进行聚类,得到序列肺结节掩膜,最终得到序列肺结节图像。实验结果表明,该方法能准确高效地分割序列血管粘连型结节图像。(本文来源于《计算机工程与设计》期刊2018年08期）
肺结节分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
1.引言肺癌是当今死亡率最高的恶性肿瘤,主要因为癌症早期病变特征不明显,在传统影像学中难于确诊。现在的CT技术不断发展,在新的断层式扫描技术下,肺癌特征能够比较明显的显示出来,便于医师做出判断。但是,断层扫描技术会产生大量的图像序列,会造成医师读片工作量巨大,并且医师的人为读片,往往会根据自己的经验等做出
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肺结节分割论文参考文献
[1].张倩雯,陈明,秦玉芳,陈希.基于3DResUnet网络的肺结节分割[J].中国医学物理学杂志.2019
[2].张丽.磨玻璃型肺结节分割方法研究[J].电子世界.2019
[3].张丽.基于薄扫CT序列图像的肺结节分割及分类方法研究[D].太原理工大学.2019
[4].程金凤.基于模糊C均值聚类的肺结节图像分割算法研究[D].河南工业大学.2019
[5].肖宁,强彦,赵涓涓,张小龙.基于分割对抗网络的肺结节分割[J].计算机工程与设计.2019
[6].郭桐,谢世朋.肺结节图像的自动分割与识别[J].计算机工程与设计.2019
[7].冯宝,陈相猛,李浦生,陈业航,姚楠.小波能量引导下基于活动轮廓模型的部分实性肺结节分割[J].华南理工大学学报(自然科学版).2019
[8].冯宝,张绍荣,陈业航,李昌林,李智.结合小波能量和汉森形状指数的肺结节分割[J].仪器仪表学报.2018
[9].李祥霞,李彬,田联房,张莉,朱文博.基于稀疏表示和随机游走的磨玻璃型肺结节分割[J].自动化学报.2018
[10].张伟,张小龙,赵涓涓,强彦,唐笑先.血管粘连型肺结节图像的序列分割方法[J].计算机工程与设计.2018