

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、當(dāng)前,肺癌已經(jīng)對(duì)人類的生命安全產(chǎn)生了致命威脅。CT(Computed Tomography)掃描技術(shù)是及早診斷和發(fā)現(xiàn)肺癌的關(guān)鍵技術(shù)。然而用肉眼從眾多的CT圖像中檢測(cè)出有結(jié)節(jié)的圖像不僅耗時(shí),而且非常困難。雖然已經(jīng)有計(jì)算機(jī)輔助診斷系統(tǒng)(CAD)被引入到肺結(jié)節(jié)的檢測(cè)中,但是這些CAD系統(tǒng)需要專業(yè)人員花費(fèi)大量時(shí)間標(biāo)注CT圖像中的肺結(jié)節(jié)ROI(Region Of Interest)區(qū)域,需要巨大的人力成本,而且從ROI區(qū)域中分割出肺結(jié)節(jié),可能丟失
2、肺結(jié)節(jié)的重要邊界信息。此外CAD系統(tǒng)需要進(jìn)行手工的特征提取,而手工特征提取的方法難以確定有效的特征。
針對(duì)胸腔CT圖像中肺結(jié)節(jié)的檢測(cè)中存在的問(wèn)題,卷積自編碼神經(jīng)網(wǎng)絡(luò)(Convolutional AutoEncoder Neural Network,CAENN)的深度學(xué)習(xí)模型被提出,用于檢測(cè)包含肺結(jié)節(jié)的胸腔CT圖像??紤]到人工標(biāo)注肺結(jié)節(jié)ROI區(qū)域需要巨大的人力成本,而且無(wú)標(biāo)注的胸腔CT圖像非常豐富的現(xiàn)狀,首先大量無(wú)標(biāo)注的胸腔CT
3、圖像patch被用來(lái)進(jìn)行無(wú)監(jiān)督地學(xué)習(xí)圖像特征,隨后少量的有標(biāo)簽的數(shù)據(jù)被用來(lái)進(jìn)行有監(jiān)督地微調(diào),訓(xùn)練出一個(gè)優(yōu)秀的分類器。整個(gè)模型只需要使用少量標(biāo)注了肺結(jié)節(jié)ROI區(qū)域的胸腔CT圖像,因此節(jié)約了大量的人力成本。而且該深度學(xué)習(xí)模型能夠自動(dòng)學(xué)習(xí)圖像特征而不需要進(jìn)行手工特征的提取,避免了重要信息的丟失。
實(shí)驗(yàn)中LIDC/IDRI肺結(jié)節(jié)公開(kāi)數(shù)據(jù)集被用來(lái)生成了50000張無(wú)標(biāo)簽的圖像patch和5500有標(biāo)簽的圖像,分別用于進(jìn)行無(wú)監(jiān)督的圖像特征
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)惡性度分類.pdf
- 基于自編碼和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)自動(dòng)檢測(cè)深度學(xué)習(xí)模型.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè).pdf
- 基于自編碼的神經(jīng)網(wǎng)絡(luò)文本特征選擇的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車輛部件檢測(cè).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究.pdf
- 基于自編碼神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 改進(jìn)的自編碼神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用.pdf
- 基于可變形卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)和識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的Logo檢測(cè)與識(shí)別研究.pdf
- 基于深層自編碼的孤立性肺結(jié)節(jié)診斷方法的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)模型的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的自然場(chǎng)景下的車牌檢測(cè).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的注視點(diǎn)檢測(cè).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的異常音頻事件檢測(cè)的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為檢測(cè)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的文獻(xiàn)分析.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類.pdf
評(píng)論
0/150
提交評(píng)論