深度學(xué)習(xí)在醫(yī)學(xué)圖像分析中的應(yīng)用.pdf

1、近幾十年來(lái)，隨著醫(yī)學(xué)成像設(shè)備的飛速發(fā)展和普及應(yīng)用，醫(yī)學(xué)圖像數(shù)據(jù)呈爆炸式增漲，如何高效而準(zhǔn)確地進(jìn)行醫(yī)學(xué)圖像分析成為一大挑戰(zhàn)。另一方面，在電子信息技術(shù)的驅(qū)動(dòng)下，利用計(jì)算機(jī)技術(shù)輔助醫(yī)學(xué)圖像分析，不但可以提高放射醫(yī)師分析診斷的效率，還能提高其精度。因此，計(jì)算機(jī)輔助檢測(cè)和診斷正成為一個(gè)受到越來(lái)越多關(guān)注的交叉研究領(lǐng)域。近年來(lái)，深度學(xué)習(xí)技術(shù)在圖像識(shí)別、目標(biāo)檢測(cè)等領(lǐng)域取得了很大的成功，并開(kāi)始被應(yīng)用到醫(yī)學(xué)圖像分析中。
　　本文的研究?jī)?nèi)容是利用深度學(xué)

2、習(xí)技術(shù)對(duì)醫(yī)學(xué)圖像中的病變組織進(jìn)行自動(dòng)檢測(cè)，主要包括兩種應(yīng)用，一種是對(duì)胸片肺結(jié)節(jié)的識(shí)別，另一種是對(duì)CT腹腔腫大淋巴結(jié)的識(shí)別。由于深度學(xué)習(xí)網(wǎng)絡(luò)包含大量的參數(shù)，在訓(xùn)練時(shí)往往需要大量的標(biāo)簽數(shù)據(jù)，而醫(yī)學(xué)圖像領(lǐng)域通常存在著標(biāo)簽數(shù)據(jù)少的問(wèn)題。本文采用兩種思路來(lái)解決這一問(wèn)題，第一種是利用非監(jiān)督的特征學(xué)習(xí)方法自動(dòng)地學(xué)習(xí)出反應(yīng)病變形態(tài)的特征，另一種是利用基于深度學(xué)習(xí)的遷徙學(xué)習(xí)方法，把從別的領(lǐng)域大量標(biāo)簽數(shù)據(jù)上訓(xùn)練的深度網(wǎng)絡(luò)應(yīng)用到醫(yī)學(xué)圖像上。本文的主要貢獻(xiàn)如下

3、：
　　（1）設(shè)計(jì)了一個(gè)胸片肺結(jié)節(jié)的自動(dòng)識(shí)別算法，該方法利用卷積稀疏編碼自動(dòng)地學(xué)習(xí)和抽取結(jié)節(jié)的特征，該特征能達(dá)到與傳統(tǒng)特征相當(dāng)?shù)姆诸惥?，并把它和傳統(tǒng)圖像特征融合進(jìn)一步提高分類精度。
　　（2）針對(duì)CT腹腔腫大淋巴結(jié)的檢測(cè)，本文設(shè)計(jì)了一個(gè)基于堆砌卷積自編碼的淋巴結(jié)識(shí)別算法，此模型首先用全部的數(shù)據(jù)樣本采用無(wú)監(jiān)督的方式訓(xùn)練得到編碼模型，然后再使用少量標(biāo)簽樣本有監(jiān)督地訓(xùn)練得到最終的分類器。
　?。?）本文還提出了一種基于深度