文档介绍：基于机器学****的胸部X光片分类及胸部病变定位方法研究
肺癌在世界范围内都是发病率及死亡率较高的癌症之一。2015年，肺癌新发 病例在中国约429. 2万新发癌症病例中占17. 1%（73. 3万例），死亡病例占总体癌 症死亡病例的21. 1%（61万例/），在中国肺癌已成为因癌致死的主要疾 病。
罹患肺癌的原因复杂，涉及基因及遗传改变。虽然近年來随着公众健康知识 的整体提高，环境污染、空气污染的改善，I矢疗水平的提高以及临床有效药物的使 用,肺癌的治疗效果有了很大的提高。
但晚期肺癌患者的死亡率仍处在较高的水平，所以早期诊断成为肺癌防治的 关键。临床肺癌初步筛查主要是依靠影像学证据判断，常见检查方式有胸部X光 片与计算机断层扫描。
计算机断层扫描（Computer Tomography, CT）是采用计算机控制下的X射线通 过人体组织显现出不同密度影像来进行对比诊断，较传统胸部X射线图像有着灵 敏度高、误诊率低等特点。由于X射线本身有使基因突变的潜在可能，所有有学 者认为CT检查存在患者接受射线辐射量较高等风险。
相较CT检查,X光片检查具有辐射量小、检查费用低廉、设备普及等优势， 尤其是在第三世界经济欠发达国家,X光片检查更易于普通人群接受。所以X光 片检查在实际临床肺癌筛查、相关肺部疾病的诊断工作中仍具有一定的意义。
图像识别是利用计算机算法对图像进行处理分析，从而达到识别不同目标与 对象的技术。图像识别一直以来都是计算机视觉研究的一个重要方向。
图像识别定位技术可以有效处理特定冃标的检测和识别，可以对图像进行分
类及目标定位判断。目前图像识别技术在图像搜索、目标行为分析、无人机、自 动驾驶等高新产业与生物医学、地质学等很多学科都有广阔的应用前景。
图像识别早期主要采用方向梯度直方图(Histogram of oriented gradients, HOG)、尺度不便特征变换(Scale invariant feature transform, STET) 等一些特征提取方法，将提取到的特征通过分类器进行分类识别。该类方法的特 征提取工作是主观手工设计的，不同的应用、特征的不同选择都会对整体系统的 性能产生直接影响。
早期图像识别任务都是针对特定识别对象的，不具有泛化能力，并且样本规 模较小，在实际应用中难以达到较高的识别要求。近年来，随着机器学****技术的发 展，将机器学****技术应用于图像识别任务的成功案例越来越多。
深度学****属于机器学****的研究范畴，给机器学****带来新一轮浪潮。深度学****在图像识别领域、语音识别方面均取得了重大突破，解决了传统BP神经网络加深 后的梯度弥散问题,使图像识别中的特征提取由人工设计转化为自动获取。
机器学****辅助胸片诊断研究可分为2部分研究任务，一部分为:含有病变的 阳性胸片与无病变的阴性胸片的分类方法研究；另一部分是阳性胸片中的病变检 测定位方法研究。本文就全面分析可用于以上两项任务的模型的基础上,用重新 设计分类网络、优化建议框生成策略、加入新功能层、使用有效激活函数、特征 提取网络替换、梯度信息动态修正、二阶优化算法、影响函数算法的思想，提出 了 3个新胸片分类模型、3个新胸片病变检测模型。
研究结果表明，本文所提出的新模型，可以更好的适用于胸片分类任务与胸 片病变检测任务，拓