1 绪论
1.1 课题研究背景及意义
世界卫生组织国际癌症研究机构（World Health Organization International Agency for Research on Cancer，WHOIARC）在 2018 年发布的报告中指出，截止到统计前，全球约为 1819 万癌症新增病例及 960 万癌症死亡病例。而在我国每天约有 1 万人确诊癌症，相当于平均每分钟有 7 人确诊患癌。表 1.1 显示了全球部分高发病率及高致死率癌症的概率统计。环境污染的日益严重，工业化的加速发展，吸烟人数的逐年累增，使得肺癌（Lung Cancer）已取代肝癌一跃成为我国乃至全球癌症发病率及死亡率最高的恶性肿瘤。近年来，众多发达国家肺癌发病率已逐步呈现下降趋势，而我国肺癌发病率却不断攀升。据国家癌症中心统计，我国每年肺癌新发病例约为 80 万，死亡病例约 62 万，过去三十年间，肺癌死亡率增长近 465%，并以每年 26.9%的发病率急剧增长，已成为死亡率最高的恶性肿瘤。世界卫生组织预测，预计到 2025 年中国将成为世界头号肺癌大国。对于无症状肺癌高危人群的病理筛查是发现早期肺癌的有效途径。肺癌的早期影像学手段主要包括胸部 X 射线、计算机断层扫描（Computed Tomography，CT）、磁共振成像（Magnetic Resonance Imaging，MRI）及正电子发射计算机断层显像（Positron Emission Tomography Computed Tomography，PETCT）等。由于 CT 影像在断层上能明显区分正常解剖结构和病理表现，因此成为肺癌早期筛查的最佳影像学方法。
1.1 课题研究背景及意义
世界卫生组织国际癌症研究机构（World Health Organization International Agency for Research on Cancer，WHOIARC）在 2018 年发布的报告中指出，截止到统计前，全球约为 1819 万癌症新增病例及 960 万癌症死亡病例。而在我国每天约有 1 万人确诊癌症，相当于平均每分钟有 7 人确诊患癌。表 1.1 显示了全球部分高发病率及高致死率癌症的概率统计。环境污染的日益严重，工业化的加速发展，吸烟人数的逐年累增，使得肺癌（Lung Cancer）已取代肝癌一跃成为我国乃至全球癌症发病率及死亡率最高的恶性肿瘤。近年来，众多发达国家肺癌发病率已逐步呈现下降趋势，而我国肺癌发病率却不断攀升。据国家癌症中心统计，我国每年肺癌新发病例约为 80 万，死亡病例约 62 万，过去三十年间，肺癌死亡率增长近 465%，并以每年 26.9%的发病率急剧增长，已成为死亡率最高的恶性肿瘤。世界卫生组织预测，预计到 2025 年中国将成为世界头号肺癌大国。对于无症状肺癌高危人群的病理筛查是发现早期肺癌的有效途径。肺癌的早期影像学手段主要包括胸部 X 射线、计算机断层扫描（Computed Tomography，CT）、磁共振成像（Magnetic Resonance Imaging，MRI）及正电子发射计算机断层显像（Positron Emission Tomography Computed Tomography，PETCT）等。由于 CT 影像在断层上能明显区分正常解剖结构和病理表现，因此成为肺癌早期筛查的最佳影像学方法。
.........................
1.2 相关研究现状
肺结节是肺癌的早期表现形式，尽早发现并诊断是肺癌预防的重要前提。基于肺部CT 影像的肺结节计算机辅助诊断，为无创地肺癌早期筛查、检测提供了可能。一般来说，对于肺结节的计算机辅助诊断主要包括肺结节检测、肺结节分割与肺结节良恶性分类。论文的研究重点在于肺结节分割和良恶性分类。
肺结节的计算机辅助诊断具有极其重要与现实的临床意义。肺结节的分割为放射科医生提供了“辅助意见”，不仅为后续诊断提供依据，更是医学影像三维重建与可视化的基础。肺结节良恶性分类则是为患者提供了重要决定依据，对于良性结节，可对其进行持续观察；对于恶性结节，则需要进行手术切除或化疗。
肺结节是肺癌的早期表现形式，尽早发现并诊断是肺癌预防的重要前提。基于肺部CT 影像的肺结节计算机辅助诊断，为无创地肺癌早期筛查、检测提供了可能。一般来说，对于肺结节的计算机辅助诊断主要包括肺结节检测、肺结节分割与肺结节良恶性分类。论文的研究重点在于肺结节分割和良恶性分类。
肺结节的计算机辅助诊断具有极其重要与现实的临床意义。肺结节的分割为放射科医生提供了“辅助意见”，不仅为后续诊断提供依据，更是医学影像三维重建与可视化的基础。肺结节良恶性分类则是为患者提供了重要决定依据，对于良性结节，可对其进行持续观察；对于恶性结节，则需要进行手术切除或化疗。
如图 1.1 所示，给出了肺结节计算机辅助诊断的一般框架流程，主要包括肺结节分割与良恶性分类。论文的研究工作也是在此框架展开。由于论文后续研究中，基础数据源自于 LIDC-IDRI 数据库，放射科医生标注不一，因此在分割和良恶性分类任务前，为减少歧义性，需对数据进行预处理。随后，我们着重关注分割与良恶性分类两个核心问题。
............................
2 相关算法理论概述
2.1 医学图像分割方法概述
图像分割任务在计算机视觉领域中，是一项较为经典的难题，是许多研究学者重点关注的问题。图像分割是图像理解的重要组成部分，特别是对于医学图像而言，分割任务扮演着举足轻重的角色。在获取到 CT 图像序列后，对序列图像中的 ROI 区域进行准确分割，排除其他非病理组织干扰，及时而有效的提取病灶区域的特征信息，是提高肺癌辅助诊断系统效率的关键。
2.1.1 医学图像分割定义
医学图像分割是医生分析病灶区域的前提，准确的分割结果为医生排除了其他健康组织的干扰从而专注于病理分析。对于医学图像分割而言，是指根据 CT 图像中各组织的空间纹理、几何形状等特征将图像划分为多个不相交子集。每个子集可用不同颜色的表示，使得在具有相同颜色区域中，像素具有一定的特征相似性或一致性，在不同颜色区域内，像素则具有明显的特征差异性。
2.1.2 医学图像分割方法
与自然语义图像相比，医学图像分割工作更加困难。由于个体组织结构间存在差异性，采集过程中受到的噪声、光线、磁场偏移等因素导致的成像模糊，都是造成分割工作难度增大的原因。近年来，研究者做了大量基于医学图像的分割工作，并提出了众多经典分割算法，由于论文研究工作主要聚焦于深度学习的医学图像分割方法与良恶性分类方法，因此，传统方法不再赘述。下面将对卷积神经网络模型进行详细介绍。
..............................
2.2 医学图像分类方法概述
图像分类是指在图像信息中，由不同类别所反映的不同特征作为分类依据，使得将不同类别目标区域得以分类或区分的方法。在医学影像系统中，分类任务是判断病灶区域的恶性程度，具体来说，又分为二分类（良恶性分类）和多分类（病灶分期），分类的准确性直接决定了辅助诊断的准确性与客观性。因此，设计准确有效的分类方法同样是肺癌辅助诊断的关键，也是论文的研究内容之一。然而，医学图像与自然语义图像不同，存在数据获取困难，有大量无标签数据等问题。由问题的性质出发，按照有无训练标签，可将分类方法分为监督分类方法（Supervised Classification Method）[69]与无监督分类方法（Unsupervised Classification Method）[70]。其中，监督分类方法样本标签已知，且训练模型精确率较高，根据现有实验条件及数据，论文将探索监督分类方法。以下将详细阐述三种基于深度学习的医学图像肺结节良恶性分类方法。
图像分类是指在图像信息中，由不同类别所反映的不同特征作为分类依据，使得将不同类别目标区域得以分类或区分的方法。在医学影像系统中，分类任务是判断病灶区域的恶性程度，具体来说，又分为二分类（良恶性分类）和多分类（病灶分期），分类的准确性直接决定了辅助诊断的准确性与客观性。因此，设计准确有效的分类方法同样是肺癌辅助诊断的关键，也是论文的研究内容之一。然而，医学图像与自然语义图像不同，存在数据获取困难，有大量无标签数据等问题。由问题的性质出发，按照有无训练标签，可将分类方法分为监督分类方法（Supervised Classification Method）[69]与无监督分类方法（Unsupervised Classification Method）[70]。其中，监督分类方法样本标签已知，且训练模型精确率较高，根据现有实验条件及数据，论文将探索监督分类方法。以下将详细阐述三种基于深度学习的医学图像肺结节良恶性分类方法。
2.2.1 医学图像分类方法
A. 深度特征自动编码器模型
该模型是一种较早地利用 CT 图像的深度特征，并设计自动编码器对肺结节进行良恶性分类的研究方法。其优势在于不仅考虑 CT 图像不同的常规语义特征（如小叶特征），更考虑了其中的关联。为了提取特征，该算法首先根据结节大小创建一个自适应窗口，随后根据包围结节坐标的最大值和最小值构造一个矩形窗。然后，将每个矩形区域调整为固定尺寸，为自动编码器创建固定长度的输入。在五层自动编码器中，通过第四层的结构获得了 200 维特征向量，最后使用决策树二元分类对特征向量分类。该方法对 4323个结节进行良恶性评估，取得了 75.01%的分类精度。
该模型是一种较早地利用 CT 图像的深度特征，并设计自动编码器对肺结节进行良恶性分类的研究方法。其优势在于不仅考虑 CT 图像不同的常规语义特征（如小叶特征），更考虑了其中的关联。为了提取特征，该算法首先根据结节大小创建一个自适应窗口，随后根据包围结节坐标的最大值和最小值构造一个矩形窗。然后，将每个矩形区域调整为固定尺寸，为自动编码器创建固定长度的输入。在五层自动编码器中，通过第四层的结构获得了 200 维特征向量，最后使用决策树二元分类对特征向量分类。该方法对 4323个结节进行良恶性评估，取得了 75.01%的分类精度。
...............................
3 肺结节数据预处理 .............................19
3.1 引言 ................................19
3.2 LIDC-IDRI 肺癌 CT 影像数据库 .................................19
3.3 数据集选取 ...........................22
4 基于多视图残差块卷积神经网络的肺结节分割方法 ....................28
4.1 引言 .....................28
4.2 网络模型设计 ...........................30
5 基于多输入卷积神经网络的肺结节良恶性分类方法 ....................41
5.1 引言 ..............................41
5.2 数据预处理 ............................43
5 基于多输入卷积神经网络的肺结节良恶性分类方法
5.1 引言
肺癌是世界上癌症死亡的主要原因，有效和正确的诊断病变组织仍然是癌症治疗中最重要的步骤。由于恶性结节在早期中的影像学表征多为无症状或症状轻微，极难被发现，待到发现时通常已无切除指征，因此，对于肺结节的早期发现筛查、判断意义重大。为了尽早对恶性结节进行人为干预，从而延长患者生存时间，提高患者生活水平，结节一旦检出就要对其进行诊断，即良恶性分类（医学专家称之为定性）。一般地，放射科医生对肺结节进行良恶性鉴别主要是根据以下几点特征判断：形态（边缘、形状、纹理等内部特征）、密度（钙化与否是鉴别结节良恶性的重要指标），大小与生长模式（恶性肿瘤生长速度呈指数生长），动态增强及血流灌注（恶性肿瘤明显区别于良性肿瘤）。另外，许多临床信息也是重要的诊断依据（例如性别、年龄、家族遗传史、吸烟史等）。
5.1 引言
肺癌是世界上癌症死亡的主要原因，有效和正确的诊断病变组织仍然是癌症治疗中最重要的步骤。由于恶性结节在早期中的影像学表征多为无症状或症状轻微，极难被发现，待到发现时通常已无切除指征，因此，对于肺结节的早期发现筛查、判断意义重大。为了尽早对恶性结节进行人为干预，从而延长患者生存时间，提高患者生活水平，结节一旦检出就要对其进行诊断，即良恶性分类（医学专家称之为定性）。一般地，放射科医生对肺结节进行良恶性鉴别主要是根据以下几点特征判断：形态（边缘、形状、纹理等内部特征）、密度（钙化与否是鉴别结节良恶性的重要指标），大小与生长模式（恶性肿瘤生长速度呈指数生长），动态增强及血流灌注（恶性肿瘤明显区别于良性肿瘤）。另外，许多临床信息也是重要的诊断依据（例如性别、年龄、家族遗传史、吸烟史等）。
............................
6.1 本文总结
随着肺癌发病率不断提高，居高不下的致死率使得肺癌计算机辅助诊断研究成为当下医学影像领域最热门的研究之一。基于 CT 影像的肺癌计算机辅助诊断技术是肺癌早期筛查的重要手段，对于提高肺癌治愈率及患者生活水平十分关键。由于结节在影像学中是肺癌早期的表征之一，肺部组织结构十分复杂，且结节在肺部组织中所占比例过小，视觉表现形态也各不相同，对放射科医生增加了挑战。因此，利用计算机辅助诊断系统为放射科医生提供第二意见，以减轻医生工作负担，提高诊断检测率十分重要。但现有计算机辅助诊断结节的准确率及鲁棒性还有待提高，特别是针对结节异质性导致的肺结节边缘分割不准确及良恶性分类困难，设计分割及良恶性分类算法提高辅助诊断率至关重要。
随着肺癌发病率不断提高，居高不下的致死率使得肺癌计算机辅助诊断研究成为当下医学影像领域最热门的研究之一。基于 CT 影像的肺癌计算机辅助诊断技术是肺癌早期筛查的重要手段，对于提高肺癌治愈率及患者生活水平十分关键。由于结节在影像学中是肺癌早期的表征之一，肺部组织结构十分复杂，且结节在肺部组织中所占比例过小，视觉表现形态也各不相同，对放射科医生增加了挑战。因此，利用计算机辅助诊断系统为放射科医生提供第二意见，以减轻医生工作负担，提高诊断检测率十分重要。但现有计算机辅助诊断结节的准确率及鲁棒性还有待提高，特别是针对结节异质性导致的肺结节边缘分割不准确及良恶性分类困难，设计分割及良恶性分类算法提高辅助诊断率至关重要。
论文经过系统分析现有的肺癌计算机辅助诊断的若干关键技术及发展趋势，对肺结节分割算法及良恶性分类算法进行深入研究，设计了适用于半自动分割方法、良恶性分类算法的数据预处理过程，并通过综合实验验证提出方法的可行性。主要研究工作介绍如下：
（1）针对基于深度学习的半自动肺结节分割分割算法，与良恶性分类算法，对基础肺结节数据库进行数据裁剪及筛选，将由四位放射科医生共同标注轮廓的数据筛选出来用于分类任务，设计筛选规则及切片序列提取规则，设计多视图提取及采样点策略，适用于半自动地肺结节分割方法。
（2）提出基于多视图残差块卷积神经网络肺结节分割算法。该算法首先考虑利用同一结节不同视图下形态不同的特点，提取多视图图像作为模型输入。随后修改残差块结构，并将其设置为 1×1 卷积，3×3 卷积，1×1 卷积模式，对浅层结构提取的低层次特征与深层结构提取的抽象特征进行融合。最后，通过综合实验进一步验证了提出方法的可行性。
（1）针对基于深度学习的半自动肺结节分割分割算法，与良恶性分类算法，对基础肺结节数据库进行数据裁剪及筛选，将由四位放射科医生共同标注轮廓的数据筛选出来用于分类任务，设计筛选规则及切片序列提取规则，设计多视图提取及采样点策略，适用于半自动地肺结节分割方法。
（2）提出基于多视图残差块卷积神经网络肺结节分割算法。该算法首先考虑利用同一结节不同视图下形态不同的特点，提取多视图图像作为模型输入。随后修改残差块结构，并将其设置为 1×1 卷积，3×3 卷积，1×1 卷积模式，对浅层结构提取的低层次特征与深层结构提取的抽象特征进行融合。最后，通过综合实验进一步验证了提出方法的可行性。
参考文献（略）