检索结果-南通市图书馆

Lung Cancer Detection Using Modified AlexNet Architecture and Support Vector Machine

Computers, Materials & Continua 2023年第1期74卷 2039-2054页

作者： Iftikhar Naseer Tehreem Masood Sheeraz Akram Arfan Jaffar Muhammad Rashid Muhammad Amjad Iqbal Faculty of Computer Science and Information Technology The Superior UniversityLahore54000Pakistan Department of Computer Science National University of TechnologyIslamabad45000Pakistan Faculty of IT University of Central PunjabLahore54100Pakistan

Lung cancer is the most dangerous and death-causing disease indicated by the presence of pulmonary nodules in the *** is mostly caused by the instinctive growth of cells in the *** nodule detection has a significant role in detecting and screening lung cancer in Computed tomography(CT)scan *** detection plays an important role in the survival rate and treatment of lung cancer ***,pulmonary nodule classification techniques based on the convolutional neural network can be used for the accurate and efficient detection of lung *** work proposed an automatic nodule detection method in CT images based on modified AlexNet architecture and Support vector machine(SVM)algorithm namely *** proposed model consists of seven convolutional layers,three pooling layers,and two fully connected layers used to extract *** vector machine classifier is applied for the binary classification of nodules into benign *** experimental analysis is performed by using the publicly available benchmark dataset Lung nodule analysis 2016(luna16).The proposed model has achieved 97.64%of accuracy,96.37%of sensitivity,and 99.08%of specificity.A comparative analysis has been carried out between the proposed LungNet-SVM model and existing stateof-the-art approaches for the classification of lung *** experimental results indicate that the proposed LungNet-SVM model achieved remarkable performance on a luna16 dataset in terms of accuracy.

关键词： Lung cancer alexnet luna16 computed tomography support vector machine

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于改进CNN的低剂量CT图像肺结节自动检测

引用

计算机科学 2022年第S1期49卷 54-59页

作者：岳晴尹健宇王生生吉林师范大学计算机学院吉林四平136000 吉林大学计算机科学与技术学院长春130000

随着空气污染日益严重,肺癌已成为发病率和死亡率增长速度最快的恶性肿瘤之一,严重危害人们的生命和健康。肺癌早期主要表现为肺结节的形式,如果在肺癌早期能够及时发现并治疗,将能够提高肺癌的治疗效果。低剂量螺旋CT具有采集速度快、... 详细信息

随着空气污染日益严重,肺癌已成为发病率和死亡率增长速度最快的恶性肿瘤之一,严重危害人们的生命和健康。肺癌早期主要表现为肺结节的形式,如果在肺癌早期能够及时发现并治疗,将能够提高肺癌的治疗效果。低剂量螺旋CT具有采集速度快、成本低、辐射低的特点,因此被大量应用于对肺结节的诊断。目前,CT图像的诊断多采用传统的人工诊断方式与CAD系统诊断的方式,但这两种方式存在精确性低、泛化性差的缺点。针对上述问题,文中以医学辅助诊断领域中的肺结节检测问题为研究对象,提出了一种基于改进CNN的低剂量CT图像的肺结节自动检测算法。首先,对CT图像进行预处理,提取肺实质;其次,对cascade-rcnn候选结节筛选网络进行改进,以提取更高质量的目标;然后,提出了改进3D CNN的假阳性减少网络,提高了结节分类的准确性;最后,在luna16数据集上进行了实验,结果表明,与现有算法相比,所提算法在检测准确率上有所提升。

关键词：肺结节检测假阳性降低 cascade-rcnn 3D CNN luna16

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的肺结节检测技术的研究

基于深度学习的肺结节检测技术的研究

引用

作者：汪乐西安电子科技大学

学位级别：硕士

肺结节作为早期肺癌的主要征象,其检测对肺癌的诊断具有至关重要的意义。CT技术应用的蓬勃发展,有效提高了肺结节的检出率。但是随着影像技术的不断发展和相关临床需求的不断增加,影像诊断医师的工作越来越繁重,长时间阅片后极易疲劳,... 详细信息

肺结节作为早期肺癌的主要征象,其检测对肺癌的诊断具有至关重要的意义。CT技术应用的蓬勃发展,有效提高了肺结节的检出率。但是随着影像技术的不断发展和相关临床需求的不断增加,影像诊断医师的工作越来越繁重,长时间阅片后极易疲劳,进而导致出现一定程度的漏诊和误诊。因此迫切需要研究计算机辅助检测和诊断技术来辅助医师。近年来,随着神经网络和深度学习技术的不断发展,将深度学习技术扩展到医疗处理领域已经成了一个大的热门方向。本文主要研究深度学习技术在肺结节检测方面的应用,主要针对CT序列中肺结节的位置和大小进行检测。在进行结节检测前,本文先提出一种基于阈值分割和形态学操作相结合的肺实质分割方法。首先,根据固定阈值将CT序列中的每张切片进行二值化。然后,依次采用二维形态学操作中的消除边缘噪声、二维连通区域标记、腐蚀操作、闭合运算、孔洞填充对二值图像进行处理,此时大致的肺实质区域已经被分割出来。最后采用三维连通区域标记的方式,提取出左肺和右肺区域,得到比较光滑的无杂质的肺实质区域。肺实质分割一方面为肺结节检测提供可靠的检测区域,减少因肺结节检测器检测到肺实质以外组织而造成的假阳。另一方面可以减少检测器的运行时间,加快检测速度。在肺实质分割后,本文提出了一种基于3D Faster R-CNN的肺结节检测网络,其采用3D双通道模块和近似U-Net编解码器结构,对病人单次CT序列的所有切片之间的空间关系进行充分利用。首先,将CT序列的所有切片输入,通过线性变换和采样等操作处理成三维数据。然后,训练所构建的检测网络以学习结节的三维特征。最后,对三维数据块中包含结节的可能性进行预测并通过回归方法得到疑似结节的中心位置和大小。双通道连接同时具有残差连接和密集连接的优点,在特征重用的基础上能够充分学习新的特征,由此设计的结节检测网络具有参数少和效果好的优点。为验证本文所提算法的有效性,将其在luna16公共数据集上进行测试,在10个子集上得到的最高FROC值为0.910,平均FROC值为0.864,说明此算法对真假结节的区分度良好;最高召回率值为0.991,平均召回率值为0.951,说明此算法具有较高的结节检出率。同时将测试结果与目前领先的肺结节检测算法进行比较,实验结果显示本文方法可以达到同样甚至更高的指标,证明本文算法在肺结节检测领域有一定的实用价值和研究前景。本文工作对利用计算机辅助检测技术提高肺结节病变的检出率和准确率起到积极的推动作用。

关键词：医学影像肺结节检测深度学习 Faster R-CNN 双通道模块 U-Net luna16

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的肺结节检测算法研究

基于深度学习的肺结节检测算法研究

引用

作者：张宇廷浙江理工大学

学位级别：硕士

近些年,肺癌已经成为发生率和死亡率最高的恶性肿瘤,严重危害着人类的健康。肺癌主要是由于恶性肺结节造成的,早期的肺结节检测和诊断技术能够及时发现病情,显著提高肺癌的存活率,因此肺结节检测的研究具有十分重要的意义。随着人工智... 详细信息

近些年,肺癌已经成为发生率和死亡率最高的恶性肿瘤,严重危害着人类的健康。肺癌主要是由于恶性肺结节造成的,早期的肺结节检测和诊断技术能够及时发现病情,显著提高肺癌的存活率,因此肺结节检测的研究具有十分重要的意义。随着人工智能理论和技术的快速发展,它已经开始慢慢地渗透进我们生活的各个方面。其中,尤其是人工智能里面的深度学习,正在快速地应用到许多领域和学科。本文以医学辅助诊断领域中的肺结节检测问题为研究对象,提出了一些基于深度学习的肺结节检测算法。本文的主要贡献如下:1.引入新的数据增强方式Increment方法。训练一个复杂的深度卷积神经模型模型往往需要很大规模的样本,数据集越大,往往越容易训练出泛化能力好的模型,然而医学图像领域的可用数据非常有限。本文对数据集luna16,除了使用常规的数据增强方法来扩充数据,还引入了新的数据增强方式Increment方法。在CT影像中添加额外的肺结节立方体,缓解每个CT影像中只含有少量的正样本或者没有正样本的问题和原来肺结节半径的概率分布不均衡的现象。2.提出一种基于改进的3D SENet和3D RPN的候选结节检测模型。该模型首先通过改进的3D SENet网络进行特征提取。然后,利用3D RPN的思想,在最后一层网络上,对每个像素设置多个锚框（anchor box）,基于锚框进行候选结节检测。基于优秀的分类网络SENet,本文对3D SENet网络结构进行改进,主要通过改进3D SENet网络里面的3D SE block,提出通过两个不同的Squeeze操作和Excition操作,提取特征图中每个通道之间的特征响应和每个通道中深度信息的特征响应。通过实验验证,可以进一步提高模型的肺结节识别率,从而验证了网络的有效性。3.提出一种基于改进的3D SENet的假阳性降低模型。针对肺结节尺寸的多样性,本文提出设计三个不同尺度输入的假阳性降低模型,集合这三个模型共同决定是否是肺结节;然后针对肺结节样本和非肺结节样本分布的不平衡性,采用Focal LOSS缓解这个问题。通过实验验证,该模型能够对候选结节检测模型输出的候选肺结节进行准确的分类,可以有效地降低肺结节的假阳性。总的来说,本文通过对CT影像数据和深度卷积神经网络模型的研究,提出了一种针对CT影像数据的肺结节检测的方法。实验结果表明,本文提出的肺结节检测方法和其他方法相比较有较大优势,该方法能够快速对CT影像进行肺结节检测,辅助医生进行肺癌的诊断,可以提高患者的存活率。

关键词：肺结节检测假阳性降低 SENet 深度学习 luna16

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

YOLOv5⁃GC:一种用于自动检测肺结节的改进YOLOv5框架

引用

现代计算机 2023年第17期29卷 1-9页

作者：尹冬生杜玲艳徐小入四川轻化工大学自动化与信息工程学院自贡643000 四川轻化工大学人工智能四川省重点实验室自贡643000

肺癌已发展成为人类死亡率最高的癌症之一,肺结节是肺癌最重要的早期表现。随着肺部结节低剂量CT筛查的广泛开展,放射科医师的X线诊断工作量不断增加。基于深度学习的肺结节自动检测有效解决了主观性和疲劳性导致的误诊风险。为了进一... 详细信息

肺癌已发展成为人类死亡率最高的癌症之一,肺结节是肺癌最重要的早期表现。随着肺部结节低剂量CT筛查的广泛开展,放射科医师的X线诊断工作量不断增加。基于深度学习的肺结节自动检测有效解决了主观性和疲劳性导致的误诊风险。为了进一步提高卷积神经网络模型对肺结节的检测效果,设计了一种改进的YOLOv5算法。首先,在所提出的方法中使用引入随机正则化思想的GELU激活函数。然后,在特征提取网络中加入CA注意机制,提高特征表达能力。其次,Ghost模块的引入减少了14.9%的参数数量,提升了19.7%的速度。最后,设计了小物检测层,提高了直径小于10 mm的微小肺结节的检测精度。实验在公开的luna16上进行。结果表明,与原始YOLOv5网络相比,所提方法的Precision从83.2%提高到87.5%,Recall从77.0%提高到86.8%,AP从81.0%提高到88.1%,改进后的YOLOv5网络具有更强的特征表达能力,速度快,能够有效提高肺小结节自动检测的灵敏度。

关键词：肺结节 YOLOv5 luna16

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的肺癌影像辅助诊断系统的设计与实现

引用

现代信息科技 2023年第4期7卷 32-35页

作者：刘梦洁太原师范学院山西晋中030619

肺癌对人类生命安全构成巨大的威胁,因此该文针对CT图像上出现的肺部结节特征不明显、形态大小不一且边界模糊不清的问题展开探讨,并给出基于A-VNET的系统针对肺部结节的划分方式。在该系统中设计了V-net框架,引入注意力机制,以突出某... 详细信息

肺癌对人类生命安全构成巨大的威胁,因此该文针对CT图像上出现的肺部结节特征不明显、形态大小不一且边界模糊不清的问题展开探讨,并给出基于A-VNET的系统针对肺部结节的划分方式。在该系统中设计了V-net框架,引入注意力机制,以突出某一局部位置的显著特点,从而改善模型的分割特性。在luna16数据集上做了分割实验,该方法 A-Vnet的F1分数比V-Net高2%,显著地提升了肺结节的分割精度。

关键词： V-Net 注意力机制 luna16 肺结节

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于3D FPN的肺结节检测

引用

软件导刊 2020年第9期19卷 233-237页

作者：张宇廷浙江理工大学信息学院浙江杭州310000

肺癌早期发现与诊断对提高肺癌患者生存率至关重要。肺癌主要是由恶性肺结节造成的,通过肺结节早期检测与诊断能够及时发现病情,显著提高肺癌存活率。随着深度学习网络在医学辅助诊断领域应用的迅速发展,现已有很多深度网络被应用于肺... 详细信息

肺癌早期发现与诊断对提高肺癌患者生存率至关重要。肺癌主要是由恶性肺结节造成的,通过肺结节早期检测与诊断能够及时发现病情,显著提高肺癌存活率。随着深度学习网络在医学辅助诊断领域应用的迅速发展,现已有很多深度网络被应用于肺结节检测。通过统计检测目标肺结节半径分布情况,发现大部分肺结节半径较小。因此,结合CT影像数据的三维特性,提出使用3D FPN进行单阶段肺结节检测,能够解决肺小结节检测效果不佳的问题。在公用肺结节数据集luna16上验证了网络的有效性,CPM值达到0.893 2,相比其它肺结节检测网络,检测效果提高了2%。

关键词：肺结节检测单阶段检测 FPN 深度学习 luna16

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：