ВВЕДЕНИЕ 3
1 Постановка задачи 4
1.1 Формулировка задачи в рамках предметной области 4
1.2 Требования к разрабатываемому решению 4
2 Обзор существующих решений 5
3 Исследование и построение решения задачи 9
3.1 Построение решения задачи 9
3.2 Сегментация изображений 9
4 Описание практической части 11
4.1 Выбор инструментов разработки 11
4.2 Построение обучающей выборки из данных LUNA 2016 11
4.3 Получение позиций узлов в файлах .mhd 12
4.4 Выделение интересующего района для поиска легочных узлов 15
4.5 Бинаризация изображений 16
4.6 Эрозия и наращивание бинарного изображения 19
4.7 Алгоритм отсечения не интересующих регионов 20
4.8 Применение маски интересующего региона 21
4.9 Мера Дайса как функция потерь для сегментации 22
4.10 Загрузка модели сегментации 22
4.11 Обучение модели сегментации 23
4.12 Аугментация изображений 25
4.13 Результаты работы 26
ЗАКЛЮЧЕНИЕ 27
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 28
ПРИЛОЖЕНИЕ А. Листинг программы 29
Предметной областью в данной диссертации является медицина, а именно анализ КТ-изображений легких. Рак легких является одном из наиболее распространенных онкологических заболеваний. В данный момент проводится большое количество КТ-исследований легких пациентов по всему миру.Проводимые исследования генерирует большое количество КТ- изображений, которым требуется анализ. Актуальность данного исследования существует из-за интереса к разработке компьютерных алгоритмов для оптимизации обработки полученных изображений легких.
Самым важным и первым шагом в анализе КТ-изображений легкого на рак, является обнаружение легочных узлов, в которых может находиться злокачественная опухоль.
КТ-изображения для диссертации были взяты из базы данных КТ- изображений легких предоставленных соревнованием по распознаванию изображений легких LUNA[1], данный набор изображений является общедоступным, включая разметки легочных узлов четырьмя радиологами.
Основная цель: сегментация изображений для выявления потенциальных раковых зон. Цель была разделена на несколько задач: выявление интересующих регионов, формирование масок для изображений, обучение сверточной нейронной сети.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Разработка алгоритмов для анализа КТ-изображений легких #9102225
Артикул: 9102225
- Предмет: Программирование
- Уникальность: 80% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2019 году
- Количество страниц: 44
- Формат файла: docx
- Последняя покупка: 15.12.2022
2 499p.
1. https://luna16.grand-challenge.org/
2. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3995505/
3. https://arxiv.org/abs/1505.04597
4. https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient
5. https://www.kaggle.com/wiki/LogarithmicLoss
6. https://en.wikipedia.org/wiki/DICOM
2. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3995505/
3. https://arxiv.org/abs/1505.04597
4. https://en.wikipedia.org/wiki/Sørensen–Dice_coefficient
5. https://www.kaggle.com/wiki/LogarithmicLoss
6. https://en.wikipedia.org/wiki/DICOM
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Разработка алгоритмов для анализа КТ-изображений легких |
| Артикул: | 9102225 |
| Дата написания: | 23.06.2019 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 80% |
| Количество страниц: | 44 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
Файлы артикула: Разработка алгоритмов для анализа КТ-изображений легких по предмету программирование
Пролистайте "Разработка алгоритмов для анализа КТ-изображений легких" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 24.06.2024
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 80% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
ПРЕДЫДУЩАЯ РАБОТА
Разработка автоматизированной системы подбора этапов профессионального развития персонала
СЛЕДУЮЩАЯ РАБОТА
Разработка инструментальных средств рефакторинга кодовой базы ПО для поддержания актуальности версий используемых программных компонентов