本文關(guān)鍵詞：OCT影像下血管內(nèi)膜提取及纖維斑塊識別研究

  更多相關(guān)文章： 圖像分割 CV模型 卷積神經(jīng)網(wǎng)絡(luò) 纖維斑塊 自動識別

【摘要】：隨著社會生活水平的提高和工作節(jié)奏的加快,心腦血管疾病已經(jīng)成為威脅人類健康和長壽的頭號殺手。我國每年死于心腦血管疾病近300萬人,占我國每年總死亡病因的51%。動脈粥樣硬化是導(dǎo)致一系列心腦血管疾病的基礎(chǔ),其引起的冠狀動脈粥樣硬化性心臟病是對人類構(gòu)成威脅最大的疾病。因此冠心病的檢查和診斷方法顯得尤為重要。本文針對冠心病的診斷,采用高分辨率的光學相干斷層成像(OCT)技術(shù),主要研究工作分為兩大部分:第一,研究OCT冠狀動脈血管內(nèi)膜分割提取。由于傳統(tǒng)的CV模型存在圖像弱邊緣處產(chǎn)生過分割的缺點,本文提出了一種改進的CV模型分割算法,引入圖像局部信息,控制演化曲線在邊緣處的收斂速度,解決了模糊圖像的分割問題。另外對于圖像存在的失真問題,在改進CV模型上引入形態(tài)學濾波方法,減小了失真帶來的誤差。第二,研究血管斑塊的自動識別。將OCT圖像劃分為25×25大小的紋理圖像,利用局部特征信息進行分析,根據(jù)斑塊類型特點手動分類,設(shè)計卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行特征提取,實現(xiàn)了待測圖像纖維斑塊的自動識別。本文使用北京協(xié)和醫(yī)院OCT圖像實現(xiàn)了相關(guān)算法,實驗結(jié)果驗證了改進CV模型能更好地分割邊界模糊圖像,證明了本文工作可以實現(xiàn)對纖維斑塊的自動識別,其結(jié)果能夠輔助臨床醫(yī)生對冠心病的診斷與治療。
【關(guān)鍵詞】：圖像分割 CV模型 卷積神經(jīng)網(wǎng)絡(luò) 纖維斑塊 自動識別
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題的研究背景和意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 血管提取研究現(xiàn)狀12-13
• 1.2.2 血管斑塊識別研究現(xiàn)狀13-14
• 1.3 主要研究內(nèi)容14-16
• 第2章 OCT圖像介紹16-22
• 2.1 引言16
• 2.2 OCT系統(tǒng)成像原理16-17
• 2.3 OCT成像在醫(yī)學領(lǐng)域的應(yīng)用17-20
• 2.3.1 在眼科上的應(yīng)用17-18
• 2.3.2 在皮膚科上的應(yīng)用18
• 2.3.3 在消化系統(tǒng)上的應(yīng)用18
• 2.3.4 在口腔和牙齒組織上的應(yīng)用18-19
• 2.3.5 在亞細胞級的檢測上的應(yīng)用19
• 2.3.6 在心血管系統(tǒng)上的應(yīng)用19-20
• 2.3.7 在癌癥診斷和治療上的應(yīng)用20
• 2.4 OCT圖像特點20-21
• 2.5 本章小結(jié)21-22
• 第3章 基于CV模型優(yōu)化的血管內(nèi)膜提取22-42
• 3.1 引言22
• 3.2 活動輪廓模型22-26
• 3.2.1 幾何活動輪廓模型22-23
• 3.2.2 水平集方法23-26
• 3.3 傳統(tǒng)CV模型26-30
• 3.4 改進CV模型30-33
• 3.5 形態(tài)學濾波33-35
• 3.6 參數(shù) β 的選擇35-36
• 3.7 實驗結(jié)果評價36-41
• 3.8 本章小結(jié)41-42
• 第4章 基于局部特征的血管斑塊分類42-56
• 4.1 引言42
• 4.2 卷積神經(jīng)網(wǎng)絡(luò)(CNN)設(shè)計42-47
• 4.2.1 卷積神經(jīng)網(wǎng)絡(luò)原理42-44
• 4.2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)44-45
• 4.2.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練45-47
• 4.3 血管斑塊分類的實現(xiàn)47-53
• 4.3.1 局部特征提取48-52
• 4.3.2 CNN訓(xùn)練52-53
• 4.4 斑塊的識別結(jié)果及分析53-55
• 4.4.1 實驗設(shè)置53
• 4.4.2 斑塊的識別與結(jié)果53-55
• 4.5 本章小結(jié)55-56
• 第5章 總結(jié)和展望56-57
• 參考文獻57-62
• 致謝62-63
• 攻讀碩士學位期間發(fā)表論文情況63

，

本文編號：661867