【摘 要】
：
肺癌是全球致死率较高的一种癌症,IASLC（国际肺癌研究协会）研究表明:随着肿瘤的不断增长,患者的死亡率会逐步上升。对肺癌患者来说,及时地诊断和治疗可以有效提高存活率。肺结节作为肺癌发病初期的临床表现,在肺癌早期的筛查中起到至关重要的作用。近些年,随着影像学成像技术的不断发展,更薄层的成像能够提高肺结节筛查的准确度,从而造成了肺部影像和诊断报告呈指数增长,大量的数据增加了医生诊断的难度。将深度学习
论文部分内容阅读
肺癌是全球致死率较高的一种癌症,IASLC（国际肺癌研究协会）研究表明:随着肿瘤的不断增长,患者的死亡率会逐步上升。对肺癌患者来说,及时地诊断和治疗可以有效提高存活率。肺结节作为肺癌发病初期的临床表现,在肺癌早期的筛查中起到至关重要的作用。近些年,随着影像学成像技术的不断发展,更薄层的成像能够提高肺结节筛查的准确度,从而造成了肺部影像和诊断报告呈指数增长,大量的数据增加了医生诊断的难度。将深度学习应用到肺结节的筛查中,有效的减少了医生阅片的工作量并降低了肺结节筛查的误诊率和漏诊率。本文根据肺结节X线影像的成像特点,在肺结节的检测上进行了研究和大量实验,在YOLOV3的基础上进行改进,并基于改进后的模型搭建基于深度学习的肺结节筛查系统（LNSS,Lung Nodule Screening System）,其中还加入了病人信息管理模块,可以方便医生对系统的使用。本文的主要工作包括:1、本文对肺结节筛查的相关算法进行了研究,通过对目标检测算法的分析,结合肺结节成像的特点,基于YOLOV3算法,针对肺结节成像存在尺寸小、肋骨遮挡等特点,提出一种能够用于肺结节检测的算法（nodule-YOLOV3）,将经过预处理的肺结节X线影像输入到nodule-YOLOV3的网络中得到肺结节的预测结果,经实验验证:nodule-YOLOV3的平均检测准确率（mAP）是61%,与YOLOV3相比,nodule-YOLOV3算法平均检测准确率提高了 3%。2、本文基于软件工程规范,分别阐述了系统的需求分析、设计、实现和测试。具体使用Flask后端框架和Bootstrap前端完成系统的开发,系统主要提供了医学影像肺结节筛查、结果可视化、病人管理等多种功能。将nodule-YOLOV3模型应用于LNSS中,能够完成对肺结节的检测,实现肺结节筛查的功能。最后是系统的测试,保证了系统功能的完善。
其他文献
对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题.提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地.将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性.实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能.
鼻腔鼻窦肿瘤为多发性疾病,其CT影像具有形态不规则、分界不均匀等特征,而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性,难以实现精准诊断.提出一种基于D-Unet深度神经网络的改进算法,根据鼻腔鼻窦肿瘤空间形变特点,将可变形卷积融入U-Net网络,并利用可变形卷积能依据目标形态拥有自适应感受野的特点,充分学习图像细节,从而提升算法的特征提取能力.在此基础上,使用损失函数Tversky解决数据集样本失衡问题,从而获得更高的灵敏度和泛化能力.为方便进一步研究,建立鼻腔鼻窦肿瘤分割数
在无人机跟踪过程中,遮挡、光照变化、背景干扰等影响会导致跟踪目标丢失.基于SiamRPN算法提出一种无人机目标跟踪算法.通过在网络中加入空间条带池和全局上下文模块建立远程上下文关系,以适应不同的跟踪场景.同时利用改进交并比的计算方法提取目标特征,并回归精准的预测框.在UAV123数据集上的实验结果表明,相比SiamRPN、SiamFC、SAMF等算法,该算法的跟踪性能较优且具有较强的鲁棒性,尤其在背景干扰环境下,其精确率和成功率较SiamRPN算法分别提升了6.54％和11.63％.
颅骨修复技术是对有缺损的颅骨补全对应的缺损部分,进而实现颅骨形状的完整性.针对高维颅骨数据,采用径向曲线来表示颅骨几何特征,结合最小二乘支持向量回归的方法构建颅骨修复模型.提取完整的三维颅骨模型的径向曲线,将其分为已有径向曲线和缺失径向曲线两部分作为训练样本,采用最小二乘支持向量回归统计模型复原出待修复颅骨的缺失径向曲线,进而合并生成待修复颅骨的完整径向曲线,通过迭代最近点算法将合并的颅骨径向曲线与颅骨统计模型进行匹配生成完整的三维颅骨模型.实验结果表明,该方法的平均误差达到6.834×10?3,比主成分
在软件技术和规模不断发展的今天,软件开发过程中出现的问题越来越多,代码缺陷检测工具由于其缺陷检测效率高并且自动化程度高被人们所青睐。但随着代码规模越来越大、代码文件变得越来越复杂,代码缺陷检测工具也面临着更多的挑战,如硬件资源达不到需求、检测时间过长等情况。此时传统单机代码缺陷检测系统并不能很好地解决这些问题,需要采用分布式的方法进行调度。如果能在分布式调度之前知道被测模块大致的时间开销与空间开销
近年来,随着5G移动通信技术的发展,人们也越来越重视5G移动通信基站周围电磁辐射水平的影响。5G基站不仅要满足覆盖范围内信号强度的要求,更要保证区域内的电磁辐射强度不会对人体造成影响。有必要对5G基站的电磁辐射水平进行定量和定性的研究。本文从5G关键技术出发,对应用场景、用户分布、断面距离和流量传输时长等影响因素进行测试研究。分别对以上因素进行了理论分析,提出了相应的测试方案并进行实地监测。通过对
知识推理作为知识图谱的重要一环,一直处于重点研究热门对象之中.随着深度学习的不断发展,多种深度学习模型与知识推理的结合引起了很大的重视,得到了大量国内外学者的热捧.为了提高从已有知识中推理出新知识的正确率,二者的结合被广泛研究.基于深度学习的知识推理可以挖掘得更深、更仔细、更精确,有效提高了丰富知识库中的实体、关系、属性和文本信息等的利用率,使推理效果更佳.通过简单介绍知识图谱以及知识补全概念,重点叙述知识推理的概念及基本原理,从知识表示学习、知识获取和知识计算应用三个方向展开,综述了基于深度学习的知识推
针对布谷鸟仿生智能优化算法存在着的易陷入局部最优、求解精度低以及收敛速度慢等问题,提出了基于多阶段动态扰动和动态惯性权重的布谷鸟搜索算法(MACS).利用多阶段动态扰动策略对布谷鸟算法的全局位置的最优鸟巢位置根据方差可调的正态随机分布进行扰动,有利于增加种群的多样性和鸟窝位置的灵活性,提高算法全局搜索能力.在局部位置处引入动态惯性权重,使得算法有效克服易陷入局部最优的缺陷,提高局部寻优搜索能力.引入了动态切换概率p代替固定概率,可以动态平衡全局搜索和局部搜索.通过与4种算法相比和11个测试函数的仿真结果表
早期预警是在线学习中的重要主题,通过早期预警识别有不及格风险的学生可帮助教师及时开展个性化教学干预.使用深度学习模型对学生微观行为模式进行分析以提高早期预警的效果,并提出结合LSTM-autoencoder特征处理和注意力权重计算的不及格风险学生早期预警模型(LSTM-autoencoder and attention based early warning model,LAA).该方法通过LSTM-autoencoder对学生行为时间序列数据进行特征处理,采用注意力机制计算关键预测因子.实验结果表明,L
近年来,随着智慧交通的飞速发展,复杂城市环境下高精度定位的需求日趋旺盛。由惯性导航系统和全球卫星导航系统构成的INS/GNSS组合导航系统能够提供连续高精度的定位导航信息,弥补单一导航系统的不足。然而在实际的复杂城市环境中,GNSS信号极易受到高楼、林荫、隧道等遮挡,传统的组合导航系统会退化为纯惯性导航推算。由于受到微机械电子系统惯性测量单元量测噪声的影响,纯惯导系统的定位精度会随误差累积而发散。