隨著醫(yī)學影像學和計算機技術的不斷快速發(fā)展,利用計算機技術對臨床影像數(shù)據(jù)進行分析提高了疾病預防與治療成功的概率。在胸部疾病的診斷與檢測中,計算機斷層掃描（CT）使用最為普遍。由于CT能夠為胸部的各個器官或組織提供高分辨率的掃描圖像,所以充分利用CT掃描圖像對于胸部疾病的檢測非常重要,比如肺癌、肺結(jié)節(jié)等疾病。在計算機輔助診斷系統(tǒng)中,精準的胸部CT掃描圖片的分割是后續(xù)胸部功能分析和三維圖像重建的基礎和前提。精準的分割不僅可以增加疾病診斷的準確性,還能減少后續(xù)無關計算的時間。胸部CT圖像的精準分割有兩個目標,其一是利用胸部CT圖像的分割提高計算機輔助診斷的發(fā)展,其二是能夠?qū)π夭康钠鞴賹崿F(xiàn)完整的分割,因為當胸部的器官發(fā)生病變或者畸形時,其CT圖像會有一些異常,這時需要分割算法能夠完整地分割出器官。醫(yī)學圖像分割有很多常用的方法,比如基于區(qū)域的方法,基于邊緣的方法,基于特殊理論的方法,由于醫(yī)學圖像的灰度不均勻、個體差異大、偽影和噪聲大等特點,這些圖像分割方法都會有一些局限性,很難在達到要求的靈敏度和準確度的情況下分割出胸部的各個器官。本文針對胸部CT圖像分割中存在的一些難點,結(jié)合了最近方興未艾的深度... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
專用術語注釋表
第一章 緒論
    1.1 課題背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 計算機輔助診斷系統(tǒng)的研究現(xiàn)狀
        1.2.2 胸部CT圖像區(qū)域分割算法的研究現(xiàn)狀
    1.3 本文研究內(nèi)容
第二章 醫(yī)學圖像分割概述
    2.1 CT圖像相關知識
        2.1.1 CT成像原理
        2.1.2 CT成像過程
        2.1.3 CT影像特點
    2.2 醫(yī)學圖像分割的定義
    2.3 常用的醫(yī)學圖像分割方法
        2.3.1 基于區(qū)域的分割方法
        2.3.2 基于邊緣的圖像分割方法
        2.3.3 基于特定理論的圖像分割方法
    2.4 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡的胸部CT圖像分割
    3.1 概述
    3.2 卷積神經(jīng)網(wǎng)絡的設計
        3.2.1 模型概述
        3.2.2 卷積層的設計
        3.2.3 全連接層的設計
        3.2.4 Softmax層的設計
    3.3 防止過擬合
        3.3.1 數(shù)據(jù)增強
        3.3.2 隨機失活
    3.4 模型的實驗
        3.4.1 Caffe平臺
        3.4.2 實驗數(shù)據(jù)的準備
        3.4.3 卷積神經(jīng)網(wǎng)絡訓練測試方法
        3.4.4 評判準則
        3.4.5 對比實驗設定
        3.4.6 設置訓練參數(shù)
        3.4.7 訓練卷積神經(jīng)網(wǎng)絡
    3.5 實驗結(jié)果分析
    3.6 本章小結(jié)
第四章 基于端對端神經(jīng)網(wǎng)絡的胸部CT圖像分割
    4.1 概述
    4.2 端對端神經(jīng)網(wǎng)絡的設計
        4.2.1 模型概述
        4.2.2 全連接層的更改
        4.2.3 反卷積層的設計
        4.2.4 整體網(wǎng)絡結(jié)構(gòu)
    4.3 模型的實驗
        4.3.1 實驗軟件及硬件環(huán)境
        4.3.2 胸部CT分割的具體實現(xiàn)步驟
        4.3.3 實驗數(shù)據(jù)的準備與獲取
        4.3.4 評判準則
        4.3.5 參數(shù)的設置
        4.3.6 對比實驗算法
        4.3.7 模型的訓練
    4.4 實驗結(jié)果分析
        4.4.1 實驗結(jié)果
        4.4.2 特征可視化
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
附錄1 攻讀碩士學位期間撰寫的論文
致謝


【參考文獻】：
期刊論文
[1]Scatter correction for cone-beam computed tomography using self-adaptive scatter kernel superposition[J]. 謝世朋,羅立名.  中國物理C. 2012(06)
[2]基于肺部CT序列圖像的肺實質(zhì)三維分割[J]. 任彥華,聶生東.  中國醫(yī)學物理學雜志. 2010(03)
[3]一種改進的交互式CT胸部圖像肺實質(zhì)分割方法[J]. 孟琭,趙宏.  小型微型計算機系統(tǒng). 2010(02)
[4]基于MITK的醫(yī)學圖像三維重建方法研究[J]. 柳淵,嚴漢民.  中國醫(yī)療設備. 2009(01)
[5]改進的熵最小方法用于MRI偏差場的校正[J]. 劉軍偉,李傳富,吳歡,馮煥清,熊進.  中國生物醫(yī)學工程學報. 2008(06)
[6]基于CT圖像的自動肺實質(zhì)分割方法[J]. 賈同,孟琭,趙大哲,王旭.  東北大學學報(自然科學版). 2008(07)
[7]基于主動輪廓模型和水平集方法的圖像分割技術[J]. 羅紅根,朱利民,丁漢.  中國圖象圖形學報. 2006(03)
[8]經(jīng)典邊緣提取方法在醫(yī)學圖像中的應用[J]. 劉其濤.  生命科學儀器. 2005(05)
[9]圖像分割在生物醫(yī)學工程中的應用[J]. 羅渝蘭,王景熙,鄭昌瓊.  計算機應用. 2002(08)

碩士論文
[1]圖像分割的理論、方法及應用[D]. 高秀娟.吉林大學 2006



本文編號：2954422