基于深度學(xué)習(xí)的TOF-MRA圖像腦血管提取與拓?fù)渎窂椒治?/H1>
發(fā)布時(shí)間：2021-04-26 08:22
腦血管造影圖像分析對了解血管疾病的發(fā)病機(jī)制、術(shù)前診斷和治療具有重要意義。本文以時(shí)間飛躍法-磁共振血管造影（Time of flight-Magnetic Resonance Angiography,TOF-MRA）為研究數(shù)據(jù),結(jié)合統(tǒng)計(jì)模型與深度學(xué)習(xí)方法深入研究了腦血管分割、病灶靶區(qū)定位、血管中心線提取、術(shù)前介入手術(shù)路徑規(guī)劃。本文針對了該領(lǐng)域面臨的以下挑戰(zhàn)性問題開展研究:盡管統(tǒng)計(jì)模型在腦血管分割取得了充分的發(fā)展,但由于成像設(shè)備與成像參數(shù)的不同,導(dǎo)致數(shù)據(jù)之間存在顯著差異,進(jìn)而影響了統(tǒng)計(jì)模型的魯棒性和分割方法的性能;深度學(xué)習(xí)在醫(yī)學(xué)圖像處理領(lǐng)域取得了顯著性進(jìn)步,但在腦血管分割任務(wù)中始終面臨著腦血管標(biāo)記數(shù)據(jù)不足的瓶頸;在術(shù)前血管介入手術(shù)的準(zhǔn)備環(huán)節(jié)中,影像科醫(yī)生需要反復(fù)瀏覽TOF-MRA圖像,最終確定介入病灶靶點(diǎn)位置以及介入路徑,這一過程完全依賴于醫(yī)生的經(jīng)驗(yàn)判斷,加大了醫(yī)生的閱片負(fù)擔(dān),不利于介入治療工作精準(zhǔn)快速地開展。針對完整的術(shù)前造影圖像分析流程以及上述面臨的問題,本文的主要的貢獻(xiàn)和創(chuàng)新點(diǎn)如下:1.提出了一種設(shè)備無關(guān)的有限混合模型-馬爾科夫隨機(jī)場（FMM-MRF）腦血管分割方法:通過顱骨剔除技術(shù)...
【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省
【文章頁數(shù)】：80 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
abstract
第1章 引言
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 腦血管分割算法的研究現(xiàn)狀
1.2.2 腦血管拓?fù)渎窂椒治鲅芯楷F(xiàn)狀
1.3 論文主要內(nèi)容
1.4 論文章節(jié)安排
第2章 腦血管分割相關(guān)的準(zhǔn)備知識
2.1 磁共振血管造影技術(shù)
2.2 偏置場修正
2.3 空間等間距重采樣
2.4 顱骨剔除
2.5 多尺度血管濾波增強(qiáng)
2.6 本章小節(jié)
第3章 設(shè)備無關(guān)的FMM-MRF腦血管分割模型
3.1 算法概述
3.2 數(shù)據(jù)預(yù)處理
3.3 有限混合模型的建立
3.4 基于血管知識的EM算法用于FMM參數(shù)估計(jì)
3.5 雙能量約束的馬爾可夫隨機(jī)場
3.6 實(shí)驗(yàn)結(jié)果
3.6.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)環(huán)境性
3.6.2 對比實(shí)驗(yàn)
3.6.3 腦血管分割結(jié)果
3.7 本章小節(jié)
第4章 基于模型與數(shù)據(jù)混合驅(qū)動(dòng)的腦血管分割方法
4.1 算法概述
4.2 數(shù)據(jù)準(zhǔn)備工作
4.3 標(biāo)記數(shù)據(jù)的生成
4.4 DD-CNN網(wǎng)絡(luò)結(jié)構(gòu)
4.4.1 稠密型擴(kuò)張卷積塊
4.4.2 多擴(kuò)張率的卷積結(jié)構(gòu)
4.4.3 網(wǎng)絡(luò)配置的選擇
4.4.4 模型實(shí)施細(xì)節(jié)
4.5 對比實(shí)驗(yàn)與結(jié)果
4.6 本章小節(jié)
第5章 基于深度學(xué)習(xí)的病變腦血管分割方法
5.1 數(shù)據(jù)準(zhǔn)備工作
5.2 病變血管分割網(wǎng)絡(luò)結(jié)構(gòu)
5.2.1 WCD-Conv:加權(quán)正交平面的擴(kuò)張卷積結(jié)構(gòu)
5.2.2 3D-FEM:三維特征提取模塊
5.2.3 兩階段:感興趣區(qū)域定位于精準(zhǔn)分割
5.3 對比實(shí)驗(yàn)與結(jié)果
5.4 本章小節(jié)
第6章 腦血管拓?fù)渎窂椒治?br> 6.1 中心線提取
6.1.1 骨架線節(jié)點(diǎn)劃分
6.1.2 骨架線優(yōu)化
6.1.3 骨架線轉(zhuǎn)中心線
6.2 無向圖中的短路徑問題
6.3 本章小節(jié)
第7章 總結(jié)與展望
7.1 本文總結(jié)
7.2 工作展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果
【參考文獻(xiàn)】：
期刊論文
[1]《中國心血管病報(bào)告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2017(06)
本文編號：3161085
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3161085.html
【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省
【文章頁數(shù)】：80 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
abstract
第1章 引言
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 腦血管分割算法的研究現(xiàn)狀
1.2.2 腦血管拓?fù)渎窂椒治鲅芯楷F(xiàn)狀
1.3 論文主要內(nèi)容
1.4 論文章節(jié)安排
第2章 腦血管分割相關(guān)的準(zhǔn)備知識
2.1 磁共振血管造影技術(shù)
2.2 偏置場修正
2.3 空間等間距重采樣
2.4 顱骨剔除
2.5 多尺度血管濾波增強(qiáng)
2.6 本章小節(jié)
第3章 設(shè)備無關(guān)的FMM-MRF腦血管分割模型
3.1 算法概述
3.2 數(shù)據(jù)預(yù)處理
3.3 有限混合模型的建立
3.4 基于血管知識的EM算法用于FMM參數(shù)估計(jì)
3.5 雙能量約束的馬爾可夫隨機(jī)場
3.6 實(shí)驗(yàn)結(jié)果
3.6.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)環(huán)境性
3.6.2 對比實(shí)驗(yàn)
3.6.3 腦血管分割結(jié)果
3.7 本章小節(jié)
第4章 基于模型與數(shù)據(jù)混合驅(qū)動(dòng)的腦血管分割方法
4.1 算法概述
4.2 數(shù)據(jù)準(zhǔn)備工作
4.3 標(biāo)記數(shù)據(jù)的生成
4.4 DD-CNN網(wǎng)絡(luò)結(jié)構(gòu)
4.4.1 稠密型擴(kuò)張卷積塊
4.4.2 多擴(kuò)張率的卷積結(jié)構(gòu)
4.4.3 網(wǎng)絡(luò)配置的選擇
4.4.4 模型實(shí)施細(xì)節(jié)
4.5 對比實(shí)驗(yàn)與結(jié)果
4.6 本章小節(jié)
第5章 基于深度學(xué)習(xí)的病變腦血管分割方法
5.1 數(shù)據(jù)準(zhǔn)備工作
5.2 病變血管分割網(wǎng)絡(luò)結(jié)構(gòu)
5.2.1 WCD-Conv:加權(quán)正交平面的擴(kuò)張卷積結(jié)構(gòu)
5.2.2 3D-FEM:三維特征提取模塊
5.2.3 兩階段:感興趣區(qū)域定位于精準(zhǔn)分割
5.3 對比實(shí)驗(yàn)與結(jié)果
5.4 本章小節(jié)
第6章 腦血管拓?fù)渎窂椒治?br> 6.1 中心線提取
6.1.1 骨架線節(jié)點(diǎn)劃分
6.1.2 骨架線優(yōu)化
6.1.3 骨架線轉(zhuǎn)中心線
6.2 無向圖中的短路徑問題
6.3 本章小節(jié)
第7章 總結(jié)與展望
7.1 本文總結(jié)
7.2 工作展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果
【參考文獻(xiàn)】：
期刊論文
[1]《中國心血管病報(bào)告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2017(06)
本文編號：3161085
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3161085.html
最近更新
教材專著
