基于全卷積神經(jīng)網(wǎng)絡(luò)的心臟MR圖像左心室分割及其后處理研究
發(fā)布時(shí)間:2021-01-15 05:40
隨著醫(yī)學(xué)影像技術(shù)的發(fā)展,基于心臟MR(Magnetic Resonance,MR)圖像左心室分割的心臟功能參數(shù)估算,對(duì)于診斷和治療相關(guān)疾病有著重大的意義。傳統(tǒng)的左心室分割方法存在分割準(zhǔn)確率低或無法實(shí)現(xiàn)全自動(dòng)分割等缺點(diǎn),隨著深度學(xué)習(xí)的發(fā)展,特別是全卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像分割上的應(yīng)用,心臟MR圖像左心室分割的準(zhǔn)確率也得到了大幅度的提高,并且實(shí)現(xiàn)了全自動(dòng)分割。本文研究了基于全卷積神經(jīng)網(wǎng)絡(luò)的心臟MR圖像左心室分割方法,并且針對(duì)全卷積神經(jīng)網(wǎng)絡(luò)分割結(jié)果的缺陷,提出了其快速后處理方法,論文的主要工作如下:(1)研究并分析了U-net網(wǎng)絡(luò)在心臟MR圖像左心室分割上的表現(xiàn)。介紹了U-net網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn),嘗試在U-net網(wǎng)絡(luò)中加入批量歸一化算法并采用基于Dice系數(shù)的損失函數(shù)對(duì)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練。隨后介紹了公開的左心室分割數(shù)據(jù)集Sunnybrook數(shù)據(jù)集,將該數(shù)據(jù)集隨機(jī)分為訓(xùn)練集、驗(yàn)證集和測(cè)試集作為本文的訓(xùn)練和測(cè)試數(shù)據(jù)。在實(shí)驗(yàn)結(jié)果中,U-net網(wǎng)絡(luò)在測(cè)試集取得了0.892的Dice系數(shù)、0.893的召回率和0.921的準(zhǔn)確率。(2)針對(duì)U-net網(wǎng)絡(luò)在心臟MR圖像左心室分割當(dāng)中存在的不足,研究了改...
【文章來源】:南京郵電大學(xué)江蘇省
【文章頁數(shù)】:71 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
心臟結(jié)構(gòu)圖
器官也包含在心臟MR圖像當(dāng)中,且灰度值也較為接近,在舒張和收縮過程中可能與背景元素部分重合,難以標(biāo)記,只能通過心室運(yùn)動(dòng)的動(dòng)態(tài)電影對(duì)心室內(nèi)膜邊緣進(jìn)行判斷,人可以通過輔助手段進(jìn)行內(nèi)膜標(biāo)記檢測(cè),然而機(jī)器很有可能產(chǎn)生誤判,這種誤差一般較大。(2)處在不同層面的左心室在標(biāo)記和自動(dòng)分割時(shí)目標(biāo)區(qū)域的特征和復(fù)雜度不同,因此將多層圖像放在一起訓(xùn)練很容易將各層切片之間特征混淆。(3)目標(biāo)對(duì)象即左心室的像素?cái)?shù)量與背景像素?cái)?shù)量極度不平衡。左心室所占像素大約只為整個(gè)圖像像素的5.1%,在靠近心尖位置的心室則更校圖1.2心臟MR示意圖到目前為止,左心室分割的方法通?梢詺w納為傳統(tǒng)方法和深度學(xué)習(xí)方法。傳統(tǒng)方法包括:閾值分割法[13]、聚類分析法[14]、區(qū)域生長法[15]、圖割算法[16]和水平集分割法[17]。下面將具體介紹上述算法。(1)閾值分割法:閾值分割法的原理是按照某個(gè)固定或動(dòng)態(tài)調(diào)整的灰度值將圖像分成不同的區(qū)域,閾值的設(shè)定對(duì)分割效果有很大的影響,并且當(dāng)圖像中的噪聲與目標(biāo)區(qū)域灰度值接近時(shí),又需要其他算法的協(xié)助。(2)聚類分析法:聚類分析法按照設(shè)計(jì)的相似度匹配規(guī)則將像素點(diǎn)歸為左心室區(qū)域和非左心室區(qū)域,但需要人為的指定聚類個(gè)數(shù)、迭代次數(shù)和偏差閾值。(3)區(qū)域生長法:區(qū)域生長法需要人工標(biāo)記初始的起點(diǎn),起點(diǎn)附近的像素點(diǎn)按照生長規(guī)則對(duì)外進(jìn)行擴(kuò)張,直到?jīng)]有像素點(diǎn)可以擴(kuò)張為止。該方法對(duì)存在噪聲的區(qū)域分割效果較差,不適合噪聲較多的心室分割。(4)水平集分割法:水平集方法利用求解偏微分方程巧妙的解決平面閉合曲線的演化問題,對(duì)方程進(jìn)行迭代求解,最后得到目標(biāo)輪廓。水平集方法需要在曲線演化前,提供初始輪廓線,并且對(duì)圖像邊緣有較高的依賴。左心室右心室非心臟區(qū)域
論文的結(jié)構(gòu)安排
本文編號(hào):2978342
【文章來源】:南京郵電大學(xué)江蘇省
【文章頁數(shù)】:71 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
心臟結(jié)構(gòu)圖
器官也包含在心臟MR圖像當(dāng)中,且灰度值也較為接近,在舒張和收縮過程中可能與背景元素部分重合,難以標(biāo)記,只能通過心室運(yùn)動(dòng)的動(dòng)態(tài)電影對(duì)心室內(nèi)膜邊緣進(jìn)行判斷,人可以通過輔助手段進(jìn)行內(nèi)膜標(biāo)記檢測(cè),然而機(jī)器很有可能產(chǎn)生誤判,這種誤差一般較大。(2)處在不同層面的左心室在標(biāo)記和自動(dòng)分割時(shí)目標(biāo)區(qū)域的特征和復(fù)雜度不同,因此將多層圖像放在一起訓(xùn)練很容易將各層切片之間特征混淆。(3)目標(biāo)對(duì)象即左心室的像素?cái)?shù)量與背景像素?cái)?shù)量極度不平衡。左心室所占像素大約只為整個(gè)圖像像素的5.1%,在靠近心尖位置的心室則更校圖1.2心臟MR示意圖到目前為止,左心室分割的方法通?梢詺w納為傳統(tǒng)方法和深度學(xué)習(xí)方法。傳統(tǒng)方法包括:閾值分割法[13]、聚類分析法[14]、區(qū)域生長法[15]、圖割算法[16]和水平集分割法[17]。下面將具體介紹上述算法。(1)閾值分割法:閾值分割法的原理是按照某個(gè)固定或動(dòng)態(tài)調(diào)整的灰度值將圖像分成不同的區(qū)域,閾值的設(shè)定對(duì)分割效果有很大的影響,并且當(dāng)圖像中的噪聲與目標(biāo)區(qū)域灰度值接近時(shí),又需要其他算法的協(xié)助。(2)聚類分析法:聚類分析法按照設(shè)計(jì)的相似度匹配規(guī)則將像素點(diǎn)歸為左心室區(qū)域和非左心室區(qū)域,但需要人為的指定聚類個(gè)數(shù)、迭代次數(shù)和偏差閾值。(3)區(qū)域生長法:區(qū)域生長法需要人工標(biāo)記初始的起點(diǎn),起點(diǎn)附近的像素點(diǎn)按照生長規(guī)則對(duì)外進(jìn)行擴(kuò)張,直到?jīng)]有像素點(diǎn)可以擴(kuò)張為止。該方法對(duì)存在噪聲的區(qū)域分割效果較差,不適合噪聲較多的心室分割。(4)水平集分割法:水平集方法利用求解偏微分方程巧妙的解決平面閉合曲線的演化問題,對(duì)方程進(jìn)行迭代求解,最后得到目標(biāo)輪廓。水平集方法需要在曲線演化前,提供初始輪廓線,并且對(duì)圖像邊緣有較高的依賴。左心室右心室非心臟區(qū)域
論文的結(jié)構(gòu)安排
本文編號(hào):2978342
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/2978342.html
最近更新
教材專著