據(jù)臨床醫(yī)學(xué)研究顯示,神經(jīng)膠質(zhì)瘤是最常見且最具侵襲性的腦腫瘤之一,其患者的預(yù)期壽命非常短,及時對患者進行有效的治療至關(guān)重要。醫(yī)生在進行早期診斷、制定診療計劃時通常需要對腦腫瘤磁共振成像（MRI）圖像實現(xiàn)精確分割,但是由MRI技術(shù)產(chǎn)生的3D圖像數(shù)據(jù)量非常大,且腦腫瘤的形狀和邊界具有不規(guī)則、模糊的特點,這些因素阻礙了醫(yī)生對腫瘤邊界進行有效的手動分割,限制了實踐中對腦腫瘤的精確定量測量。因此,借助于各種分割算法對腦圖像進行全自動分割成為發(fā)展的趨勢,但傳統(tǒng)的分割算法針對膠質(zhì)瘤的不規(guī)則形狀和模糊邊界具有一定的局限性,導(dǎo)致腦腫瘤分割的自動化仍然是一個具有挑戰(zhàn)性的問題。本文以腦腫瘤分割任務(wù)為立足點,以多模態(tài)MRI圖像為研究對象,基于深度學(xué)習(xí)算法對腦腫瘤MRI圖像分割進行研究,并在Multimodal Brain Tumor Segmentation Challenge（Brats）2015訓(xùn)練數(shù)據(jù)集上進行驗證評估。論文主要貢獻如下:（1）針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型中小卷積核檢測范圍的限制,根據(jù)腦腫瘤圖像特征,提出一種改進的雙路徑卷積神經(jīng)網(wǎng)絡(luò)模型——SK-TPCNN,該模型將小卷積核和大卷積核以... 

【文章來源】：河南工業(yè)大學(xué)河南省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及安排
第2章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割算法概述
    2.1 CNN的結(jié)構(gòu)及其在圖像分割中的應(yīng)用
        2.1.1 CNN結(jié)構(gòu)
        2.1.2 CNN在圖像分割領(lǐng)域的應(yīng)用
    2.2 基于全卷積神經(jīng)網(wǎng)絡(luò)（FCN）的圖像分割
        2.2.1 FCN的結(jié)構(gòu)特點
        2.2.2 基于U-net的圖像分割
    2.3 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)與隨機森林的腦腫瘤圖像分割模型
    3.1 基于SK-TPCNN和 RF的分割模型框架
    3.2 腦腫瘤MRI圖像數(shù)據(jù)集與預(yù)處理
    3.3 SK-TPCNN模型的構(gòu)建
        3.3.1 SK-TPCNN模型結(jié)構(gòu)
        3.3.2 SK-TPCNN訓(xùn)練細節(jié)
    3.4 SK-TPCNN與 RF聯(lián)合優(yōu)化模型
        3.4.1 RF算法原理
        3.4.2 SK-TPCNN與 RF的聯(lián)合優(yōu)化
    3.5 基于數(shù)學(xué)形態(tài)學(xué)開操作的分割結(jié)果優(yōu)化
        3.5.1 數(shù)學(xué)形態(tài)學(xué)操作基本原理
        3.5.2 優(yōu)化結(jié)果對比與分析
    3.6 實驗結(jié)果與分析
        3.6.1 分割評價指標(biāo)
        3.6.2 實驗結(jié)果與分析
    3.7 本章小結(jié)
第4章 基于深層U-net模型與殘差結(jié)構(gòu)的腦腫瘤圖像分割模型
    4.1 基于Deeper ResU-net模型的腦腫瘤分割模型框架
    4.2 基于U-net的改進模型的構(gòu)建
        4.2.1 Baseline模型結(jié)構(gòu)
        4.2.2 Deeper U-net模型結(jié)構(gòu)
        4.2.3 Deeper ResU-net模型結(jié)構(gòu)
        4.2.4 模型訓(xùn)練細節(jié)
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)和醫(yī)學(xué)圖像的癌癥計算機輔助診斷研究進展[J]. 陳詩慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[3]基于多模態(tài)3D-CNNs特征提取的MRI腦腫瘤分割方法[J]. 羅蔓,黃靖,楊豐.  科學(xué)技術(shù)與工程. 2014(31)
[4]基于MRI的腦腫瘤分割技術(shù)研究進展[J]. 萬俊,聶生東,王遠軍.  中國醫(yī)學(xué)物理學(xué)雜志. 2013(04)
[5]基于統(tǒng)計閾值的腦腫瘤MRI圖像的分割方法[J]. 桑林瓊,邱明國,王莉,張靜娜,張曄.  生物醫(yī)學(xué)工程研究. 2010(04)
[6]核磁共振（MRI）的成像原理與臨床應(yīng)用[J]. 張坤毅.  中國醫(yī)療設(shè)備. 2008(05)



本文編號：3163075