基于深層自編碼的孤立性肺結節(jié)診斷方法的研究.pdf

1、近年來，肺癌已經成為當今發(fā)病率和死亡率最高的癌癥疾病之一。肺癌的早期診斷和治療能夠有效的降低患者的死亡率，在提高治愈率方面起著至關重要的作用。肺癌早期大多表現(xiàn)為孤立性結節(jié)。PET和CT影像可以有效的對結節(jié)進行檢測，但是肺結節(jié)良惡性的確診仍須進一步的病理檢查，由此會給患者造成經濟和身心的雙重負擔。目前，計算機輔助診斷技術能夠通過提取肺結節(jié)圖像中的紋理、形狀等特征對圖像進行分析，為放射科醫(yī)師診斷提供支持，但是基于統(tǒng)計特征提取的診斷方法無法適

2、用于組織結構復雜的肺結節(jié)。深度自編碼技術可以通過多層非線性網絡堆疊自主地從圖像中學習特征并利用這些特征對圖像進行分類，客觀地反映圖像的真實信息，本文的研究主要是利用深層自編碼技術實現(xiàn)肺結節(jié)的良惡性輔助診斷。
　　本文的主要研究內容和創(chuàng)新如下：
　?。?）現(xiàn)有的肺結節(jié)診斷方法多是依靠圖像處理技術和專業(yè)診斷知識等先驗知識對肺結節(jié)圖像進行特征提取，但是這樣的統(tǒng)計學的特征并不一定適用于所有類型的肺結節(jié)圖像。為了解決上述問題，本文提出

3、一種基于棧式極限學習機的肺結節(jié)自動診斷方法。由于CT系統(tǒng)在成像時存在系統(tǒng)噪聲，成像對比度低，本文首先采用自適應直方圖均衡法處理肺結節(jié)圖像，提高圖像的對比度。然后將增強后的肺結節(jié)圖像輸入到基于極限學習機的自編碼網絡中進行無監(jiān)督的特征學習，最后將經過深度網絡學習的高層特征作為有監(jiān)督原始極限學習機的輸入進行最終的診斷。由于極限學習機算法不需要參數(shù)微調，所以基于極限學習機的自編碼網絡的訓練速度要比基于BP網絡的自編碼網絡的訓練速度快，但是網絡的

4、診斷性能不輸BP網絡。通過與現(xiàn)有診斷方法的比較，該方法具有較好的準確率、敏感性和特異性，是一種比較可靠的肺結節(jié)診斷方法。
　?。?）為了克服單模態(tài)圖像特征的片面性和無監(jiān)督特征學習的局限性，本文結合CT和PET圖像特征提出基于雙模態(tài)深度極限學習機的孤立性肺結節(jié)診斷方法，該方法中設計了一種深度有監(jiān)督降噪自編碼網絡，該網絡引入了限制差分和降噪進行網絡優(yōu)化，能夠從PET和CT圖像中學習得到有區(qū)分度的特征信息。由于整個框架的子網絡對應不同模