發(fā)布時(shí)間：2021-05-09 11:00

　　醫(yī)學(xué)圖像分割是醫(yī)學(xué)影像處理和分析的重要步驟,為臨床診斷提供了可靠依據(jù)。計(jì)算機(jī)輔助診斷技術(shù)中的腦組織核磁圖像分割、牙齒曲面斷層圖像分割是廣泛應(yīng)用的醫(yī)學(xué)影像分析技術(shù),對相關(guān)領(lǐng)域醫(yī)生診斷疾病、制定治療計(jì)劃、規(guī)劃預(yù)后方案等具有重要意義。本文針對腦組織核磁圖像和牙齒曲面斷層圖像兩種典型醫(yī)學(xué)圖像分割方法進(jìn)行系統(tǒng)研究,具體研究工作如下:第一,針對傳統(tǒng)三維水平集方法無法保持腦組織圖像分割結(jié)果時(shí)間一致性的問題,本文設(shè)計(jì)了一個(gè)新的能量函數(shù),提出了一種基于水平集函數(shù)的腦組織圖像分割方法。首先建立四維時(shí)間序列圖像成像模型,引入一個(gè)變分水平集公式。該公式對隸屬度函數(shù)具有時(shí)間一致性約束。然后將該約束轉(zhuǎn)化為一個(gè)向量值函數(shù),并根據(jù)解析定義的映射進(jìn)行隸屬度函數(shù)優(yōu)化求解,達(dá)到腦組織圖像分割的目的。實(shí)驗(yàn)結(jié)果表明,本文方法對縱向腦組織核磁圖像分割具有較好的準(zhǔn)確性和魯棒性,同時(shí)可以有效地提高縱向腦組織核磁圖像分割結(jié)果的時(shí)間一致性,有一定的實(shí)用價(jià)值。第二,針對牙齒曲面斷層圖像對比度低、像素灰度分布不均勻而導(dǎo)致牙齒邊界和牙根模糊的問題,本文利用深度學(xué)習(xí)技術(shù)提出了一種基于注意力機(jī)制的兩階段牙齒曲面斷層圖像分割方法。在本方法中,第一階... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 腦組織圖像分割國內(nèi)外研究現(xiàn)狀
        1.2.2 牙齒圖像分割國內(nèi)外研究現(xiàn)狀
    1.3 醫(yī)學(xué)圖像分割的難點(diǎn)
        1.3.1 腦組織圖像分割的難點(diǎn)
        1.3.2 牙齒圖像分割的難點(diǎn)
    1.4 本文研究內(nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 醫(yī)學(xué)圖像分割相關(guān)理論基礎(chǔ)
    2.1 引言
    2.2 基于水平集方法的腦組織圖像分割相關(guān)理論
        2.2.1 模糊C均值聚類算法
        2.2.2 水平集方法
        2.2.3 常見水平集模型
    2.3 基于深度學(xué)習(xí)的牙齒圖像分割相關(guān)理論
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 深度全卷積網(wǎng)絡(luò)
    2.4 數(shù)據(jù)預(yù)處理
        2.4.1 數(shù)據(jù)增強(qiáng)
        2.4.2 圖像增強(qiáng)
    2.5 本章小結(jié)
第3章 基于水平集方法的腦組織核磁圖像四維分割算法
    3.1 引言
    3.2 縱向腦組織核磁圖像四維分割算法流程
    3.3 三維腦組織圖像分割模型的構(gòu)建
        3.3.1 成像模型
        3.3.2 能量泛函
    3.4 四維腦組織圖像分割模型的構(gòu)建
        3.4.1 時(shí)間序列成像模型
        3.4.2 能量泛函
        3.4.3 參數(shù)正則及優(yōu)化
    3.5 實(shí)驗(yàn)結(jié)果分析
        3.5.1 實(shí)現(xiàn)細(xì)節(jié)
        3.5.2 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.3 分割算法的評估指標(biāo)
        3.5.4 不同算法的性能分析
    3.6 本章小結(jié)
第4章 基于注意力機(jī)制的牙齒曲面斷層圖像分割算法
    4.1 引言
    4.2 基于注意力機(jī)制的牙齒圖像分割算法
        4.2.1 算法框架圖
        4.2.2 注意力網(wǎng)絡(luò)和分割網(wǎng)絡(luò)
        4.2.3 損失函數(shù)的設(shè)計(jì)
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 實(shí)現(xiàn)細(xì)節(jié)
        4.3.2 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.3 分割算法的評估指標(biāo)
        4.3.4 不同算法的性能分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于一維Otsu的多閾值醫(yī)學(xué)圖像分割算法[J]. 申鉉京,潘紅,陳海鵬.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2016(02)

博士論文
[1]基于能量極小化方法的腦影像分割算法研究[D]. 趙悅.吉林大學(xué) 2017
[2]基于模糊聚類及活動(dòng)輪廓模型的圖像分割技術(shù)研究[D]. 江曉亮.西南交通大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分割方法研究[D]. 楊洪光.重慶郵電大學(xué) 2019



本文編號：3177186