答辩博士：张逢骏
指导老师：王小平 教授/博导
论文题目：新冠肺炎CT图像病灶特性智能分析关键技术研究
答辩委员会：
主席：王禹林 教授/博导 南京理工大学
委员：管晓翔 主任医师/博导 江苏省人民医院
戴宁 教授/博导开云Kaiyun
陈柏 教授/博导开云Kaiyun
陈文亮教授/博导开云Kaiyun
程筱胜教授/博导开云Kaiyun
王小平教授/博导开云Kaiyun
秘书：陆俊华 副教授/硕导 开云Kaiyun
答辩时间：2022年9月8日08：30
答辩地点：开云Kaiyun明故宫校区15号楼341会议室
学位论文简介：
新冠肺炎发现至今已经有两年多，病毒仍然每天造成全球每天超过数百万人的感染，对人类生活和生命安全带来重大影响。因此，新冠的预防、诊断、治疗、预后就显得非常重要。通过CT影像可以观察到典型的肺炎病灶表征，如毛玻璃样阴影。这些特征为新冠肺炎病情的定量评估提供了有效信息, 成为研究和判断新冠肺炎感染程度的重要手段。使用深度学习技术可以对患者的肺部CT进行高效而稳定的智能分析，可以完成肺部病灶的分割、病灶特征的识别、病情发展的趋势判断。本文对新冠肺炎CT图像病灶特性进行分析和研究，提出了基于生成对抗网络的超分辨率面向多源数据超分辨率重建方法，实现了多源数据超分辨率重建。利用CT图像的跨层面相似性，使用序列卷积块将低分辨率肺部CT图像以及相邻的上下两幅序列作为输入，建立了面向多源数据的新冠肺部CT数据集，归一化图像尺寸和灰度，方便后续处理和检验算法正确率。研究了肺部CT图像分割，构建了基于注意力机制的语义分割网络结构，有效聚焦肺实质以及内部病变，分别捕获高层级特征图在空间维度和低层级特征图在通道维度上的特征，有效的融合长距离上下文信息，提高了对大尺寸病灶分割的完整度以及小尺寸病灶的分割精度。研究了新冠患者肺部CT中小尺寸目标的识别问题。提出了基于注意力机制的目标识别的新冠检测方法，采用注意力机制CBAM模块对目标识别的特征提取网络进行改进，将检测尺度由三个扩展为四个，对新冠肺部病灶识别并进行了定量和定性结果分析。提出了基于互信息的单模态医学图像匹配模型，将不同时期的患者肺部同一序列图像中的病灶进行匹配。通过类比物体质量的计算，提出病灶的相对质量定量评估模型，将肺部感染程度量化，形成可以预测和分析的数据。最后对患者病情发展进行了预测，提出了基于灰色预测的患者病灶灰度和预测模型，对患者病情发展进行了拟合和预测。对三维CT感染的体积和百分比进行分割和量化，统计了不同性别间对病变分布、密度和各部份的进展情况。使用iPOI、ΔPOI和固结百分比与白细胞、淋巴细胞计数和CRP建立住院时间预测模型。
主要创新点：
1）提出了基于语义分割对新冠肺炎肺部的模型，对两种主要病灶以及肺实质进行分割，在UNet++网络模型的基础上，融合注意力模块（CBAM），提高模型分割不同病灶的能力，挖掘更多病灶边界特征信息，实现新冠肺炎不同病灶的精确分割。
2）提出基于注意力机制的YOLOv5新冠检测方法，采用注意力机制CBAM模块对 YOLOv5特征提取网络进行改进，将检测尺度由三个扩展为四个，引入Ghost-BottleNeck模块使得网络轻量化运算，并对新冠肺部病灶识别进行定性分析。
3）提出病灶的相对质量定量评估模型，将肺部感染程度量化为病灶密度函数在病灶区域上的积分，形成可以预测和分析的数据，对患者病灶进行了灰色预测。提出基于灰色预测的患者病灶灰度和预测模型，对灰色预测模型预测病情发展趋势的结果进行精度检验。
