原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
慢性阻塞性肺疾病（ChronicObstructivePulmonaryDisease，COPD）在全世
界范围内具有极高的发病率和致死率，早期COPD的检测与治疗是有效提高患
者生存率和改善患者预后的重要途径。胸部计算机断层扫描（Computed
TomographyCTCOPD
，）检测已成为可以用于临床量化和诊断的有效方法，虽
CTCOPDCOPD
然已经开发了许多基于的深度学习方法来识别，但是由于病理
CTCTCOPD
的高度复杂性以及其图像中病灶精确标注的缺乏，基于来表征高
度空间异质性的疾病特征仍具有挑战性，诊断性能仍有待提高。因此，本课题以
COPDCT图像为基础，对基于深度学习的COPD影像分类问题进行了研究，课
题的主要研究内容如下：
13D-DenseNetCOPDCT
（）提出了一种基于特征融合与改进的图像分类
CT
方法。该方法首先对图像进行预处理，接着利用全自动肺部组织分割算法分
CTCT
别提取出图像中双肺区域和气道树区域；随后考虑到图像的三维特性同
时为了提高模型的识别准确性和泛化能力，通过将Dropout层替换为DropBlock
3D-DenseNetCT
模块，构建了一种基于改进的网络架构，并以双肺以及气道树
CT的融合图像作为输入训练得到最终的分类模型。实验结果表明，通过使用三
维卷积神经网络训练模型可以有效解决COPDCT图像缺乏精确标注的问题，改
进的3D-DenseNet架构也具有更好的正则化效果，可以提高COPD诊断模型的
准确性与泛化性。
2COPDCT
（）提出了一种基于多示例学习和两阶段注意力的图像分类方
CTCT
法。该方法首先通过图像预处理、肺部区域分割以及切片选择等步骤构
建多示例学习所需的数据包和示例；其次，为缓解训练数据缺乏的问题，利用预
训练的ResNet-50通过基于参数的迁移学习来提取COPD异常的多维和多组分
特征，其中设计了一种伪彩色图像处理方法，该方法利用窗口处理技术将单通道
CTCT
的切片转换成和自然图像类似的三通道图像，一方面使得转换后的图像
满足迁移学习网络的输入，另一方面增加了其信息携带的丰富性；随后，构建了
一个两阶段注意力机制模型，其中第一阶段用于识别关键示例，第二阶段通过计
算每个示例到关键示例的平均相对距离来校正每个示例的第一阶段得分，可以避
免因单一注意力算子带来的计算误差，从而为每个示例生成更稳健的注意力分数；
最后通过注意力得分对所有示例进行加权聚合，获得包级别的嵌入特征表示并得
到最终的预测结果。此外，还在特征域上利用示例
文档评论（0）