隨著科技的不斷進步,醫(yī)療技術(shù)的不斷更新,以往不能完全治愈甚至是無法醫(yī)治的各種疾病逐漸地得到了完全的醫(yī)治。但是仍然存在一些尚且無法醫(yī)治的疾病,甚至還沒有確切的診斷標準。多嚢卵巢綜合征（Polycystic ovary syndrome,PCOS）是一種嚴重危害女性健康的疾病,主要會引起女性的內(nèi)分泌紊亂,導(dǎo)致激素失調(diào),進而出現(xiàn)月經(jīng)異常,肥胖,不孕等異�，F(xiàn)象,同時會增加糖尿病,高血壓等疾病發(fā)生的概率。因此,PCOS的提前預(yù)防診斷,對減少疾病帶來的影響十分重要。現(xiàn)代醫(yī)學(xué)上診斷該疾病的主要指標是卵巢超聲圖像中囊泡的數(shù)量、大小和分布情況。本文將從圖像分割角度來進行該指標特征的提取,具體的研究工作如下:（1）在機器學(xué)習(xí)方面,提出了一種粒子群優(yōu)化（Particle swarm optimization,PSO）的模糊C均值（Fuzzy C-means,FCM）聚類算法（PSO-FCM）與標記控制分水嶺方法（Marker control watershed）相結(jié)合的圖像分割算法（PSO-FCM-Watershed）。首先對圖像進行預(yù)處理,然后利用PSO-FCM對圖像進行聚類,增強圖像的對比度,再結(jié)合標記... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 引言
    1.2 研究背景及意義
        1.2.1 PCOS病因研究
        1.2.2 PCOS診斷規(guī)則
        1.2.3 PCOS研究意義
    1.3 課題來源
    1.4 多囊卵巢綜合征（PCOS）超聲圖像的基本原理和特點
        1.4.1 超聲圖像的基本原理簡介
        1.4.2 多囊卵巢綜合征圖像的特點
    1.5 研究現(xiàn)狀概述
        1.5.1 傳統(tǒng)方法研究現(xiàn)狀
        1.5.2 深度學(xué)習(xí)研究現(xiàn)狀
    1.6 本文的研究內(nèi)容和安排
2 多囊卵巢綜合征超聲圖像預(yù)處理
    2.1 數(shù)據(jù)的獲取和預(yù)處理
    2.2 數(shù)據(jù)消噪
        2.2.1 預(yù)處理方法
        2.2.2 處理結(jié)果對比
    2.3 本章小結(jié)
3 基于FCM的標記控制分水嶺圖像分割算法
    3.1 直方圖均衡化的原理概述
        3.1.1 直方圖均衡化的理論基礎(chǔ)
        3.1.2 直方圖均衡化的之后的結(jié)果對比
    3.2 模糊C均值聚類（FCM）算法概述
    3.3 分水嶺分割方法概述
        3.3.1 傳統(tǒng)分水嶺算法
        3.3.2 標記控制分水嶺算法
    3.4 結(jié)合直方圖和標記控制分水嶺的結(jié)果分析
    3.5 結(jié)合FCM和標記控制分水嶺的結(jié)果分析
    3.6 本章小結(jié)
4 基于PSO-FCM的標記控制分水嶺圖像分割算法
    4.1 粒子群優(yōu)化（PSO）算法概述
    4.2 區(qū)域生長法
    4.3 平均交并比MIOU
    4.4 基于PSO-FCM的標記控制分水嶺算法設(shè)計步驟和結(jié)果分析
        4.4.1 PSO-FCM-Watershed的設(shè)計步驟
        4.4.2 結(jié)果分析
    4.5 FCM-Watershed和 PSO-FCM-Watershed的分割指標對比
    4.6 本章小結(jié)
5 基于直方圖均衡化的U-net圖像分割算法及分類指標研究
    5.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)和卷積神經(jīng)網(wǎng)絡(luò)
        5.1.1 神經(jīng)元結(jié)構(gòu)
        5.1.2 感知器和神經(jīng)網(wǎng)絡(luò)
        5.1.3 卷積神經(jīng)網(wǎng)絡(luò)
    5.2 U-net神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分析
    5.3 PCOS圖像數(shù)據(jù)的分割流程
        5.3.1 圖像與標簽的合并
        5.3.2 圖像數(shù)據(jù)增強
        5.3.3 模型訓(xùn)練及預(yù)測
    5.4 U-net和 H-U-net分割指標對比
    5.5 分割結(jié)果整體分析
    5.6 正常人和患者數(shù)據(jù)的分類指標研究
    5.7 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 研究展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]基于自適應(yīng)高斯濾波的超聲斑點降噪[J]. 邵黨國,鄧陽陽,相艷,易三莉,余正濤,賀建峰,劉翠寅,宗紹云.  數(shù)據(jù)采集與處理. 2017(04)
[2]一種自適應(yīng)改進曲率擴散超聲圖像濾波方法[J]. 紀祥虎,付忠良.  四川大學(xué)學(xué)報(工程科學(xué)版). 2015(S2)
[3]Adaptive Gaussian Noise Image Removal Algorithm Using Filtering-Based Noise Estimation[J]. Tuan-anh NGUYEN,Hong-son NGUYEN,Min-cheol HONG.  Journal of Measurement Science and Instrumentation. 2011(03)
[4]基于改進的彩色圖像形態(tài)學(xué)膨脹和腐蝕算子設(shè)計[J]. 尹星云,王峻.  計算機工程與應(yīng)用. 2008(14)
[5]多囊卵巢綜合征的超聲診斷特征[J]. 薛玉,沈楚,許建萍,薛佩芳.  實用醫(yī)學(xué)影像雜志. 2007(02)
[6]超聲醫(yī)學(xué)圖像非線性濾波算法研究進展[J]. 嚴朝福,李德玉,林江莉,饒莉,唐紅,汪天富.  生物醫(yī)學(xué)工程學(xué)雜志. 2006(05)
[7]基于自適應(yīng)鄰域的超聲圖像加權(quán)中值濾波[J]. 朱其剛,劉明,尹艷芳,曹茂永.  中國生物醫(yī)學(xué)工程學(xué)報. 2005(02)
[8]多囊卵巢綜合征的研究背景與現(xiàn)狀[J]. 李美芝.  中國實用婦科與產(chǎn)科雜志. 2002(11)
[9]多囊卵巢綜合征與心血管疾病的研究進展[J]. 遲洪濱,張玉蘭,胡桂英,周志紅.  中華婦產(chǎn)科雜志. 2001(07)
[10]新世紀新年新動向——超聲醫(yī)學(xué)發(fā)展前景述評[J]. 王新房.  中華超聲影像學(xué)雜志. 2001(01)

碩士論文
[1]基于alpha穩(wěn)定分布的超聲圖像去噪方法研究[D]. 郭皓.四川大學(xué) 2006
[2]基于獨立成分分析的超聲醫(yī)學(xué)圖像濾波方法[D]. 嚴朝福.四川大學(xué) 2005



本文編號：3032006