肝臟是人體最大的消化和代謝器官,近年來(lái)全球肝臟類疾病多發(fā),嚴(yán)重影響人類身體健康。肝血管的結(jié)構(gòu)和形態(tài)可以為醫(yī)生的診斷、手術(shù)方案及結(jié)果評(píng)估提供重要信息,也因此極大地提升了自動(dòng)化分割肝臟血管的需求。本文研究肝臟血管結(jié)構(gòu)的分割方法,得到了具有較高精度的肝臟血管結(jié)構(gòu);并對(duì)結(jié)果實(shí)現(xiàn)三維可視化,具有重要的臨床意義。研究?jī)?nèi)容包括:（1）本文使用U-Net網(wǎng)絡(luò)進(jìn)行肝臟區(qū)域分割,達(dá)到了較高的分割精度。利用Sigmoid函數(shù)對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)處理,為后續(xù)血管增強(qiáng)及分割提供高質(zhì)量的輸入數(shù)據(jù)。（2）實(shí)現(xiàn)了一種基于Hessian濾波的血管增強(qiáng)方法,對(duì)管結(jié)構(gòu)和分支處結(jié)構(gòu)的像素點(diǎn)同時(shí)進(jìn)行增強(qiáng)。對(duì)比將血管結(jié)構(gòu)僅視作管狀結(jié)構(gòu)進(jìn)行增強(qiáng)的方法,本方法對(duì)分支處結(jié)構(gòu)的增強(qiáng)效果更加具有優(yōu)勢(shì)。（3）將模糊隸屬度函數(shù)與迭代閾值結(jié)合,自適應(yīng)地調(diào)整速度函數(shù),針對(duì)不同灰度對(duì)比度的區(qū)域使用不同的速度函數(shù)進(jìn)行演化,完成肝臟血管分割。之后,對(duì)血管分割結(jié)果進(jìn)行三維重建并建立可視化界面,使得分割結(jié)果更直觀,并具有一定的實(shí)用價(jià)值。與近年來(lái)該領(lǐng)域幾種經(jīng)典方法相比,本方法可以達(dá)到較高的分割精度,并且有效地減少了過(guò)分割現(xiàn)象。將肝臟分割、血管增強(qiáng)與血管分割方... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 肝臟血管增強(qiáng)研究現(xiàn)狀
        1.2.2 肝臟血管分割研究現(xiàn)狀
    1.3 論文內(nèi)容安排
第2章 基于U-net深度卷積神經(jīng)網(wǎng)絡(luò)的肝臟分割
    2.1 理論基礎(chǔ)
        2.1.1 醫(yī)學(xué)圖像DICOM標(biāo)準(zhǔn)
        2.1.2 CT圖像介紹
        2.1.3 肝臟分割概述
    2.2 肝臟圖像篩選
    2.3 基于U-Net的肝臟區(qū)域分割
        2.3.1 調(diào)整窗寬窗位
        2.3.2 卷積和池化
        2.3.3 網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.4 實(shí)驗(yàn)結(jié)果
    2.4 對(duì)比度增強(qiáng)
    2.5 本章小結(jié)
第3章 改進(jìn)Hessian濾波的肝臟血管增強(qiáng)
    3.1 肝臟血管增強(qiáng)方法研究
        3.1.1 Frangi算法
        3.1.2 邊緣增強(qiáng)擴(kuò)散EED
    3.2 改進(jìn)Hessian濾波的肝臟血管增強(qiáng)
        3.2.1 基于Hessian濾波的血管增強(qiáng)方法
        3.2.2 改進(jìn)Hessian濾波的肝臟血管增強(qiáng)方法
        3.2.3 參數(shù)選擇
    3.3 血管增強(qiáng)結(jié)果及評(píng)價(jià)
        3.3.1 肝臟CT圖像血管增強(qiáng)結(jié)果
        3.3.2 評(píng)價(jià)
    3.4 本章小結(jié)
第4章 改進(jìn)自適應(yīng)閾值水平集的肝臟血管分割及可視化
    4.1 肝臟血管分割方法研究
        4.1.1 基于形態(tài)學(xué)的區(qū)域生長(zhǎng)方法
        4.1.2 模糊C均值與遺傳算法結(jié)合的方法
        4.1.3 水平集方法
    4.2 改進(jìn)的自適應(yīng)閾值水平集方法
        4.2.1 閾值水平集方法
        4.2.2 自適應(yīng)閾值水平集方法
        4.2.3 基于模糊隸屬度的自適應(yīng)閾值水平集方法
    4.3 肝臟血管分割結(jié)果及評(píng)價(jià)
        4.3.1 肝臟血管分割結(jié)果
        4.3.2 評(píng)價(jià)
    4.4 三維重建可視化
        4.4.1 環(huán)境搭建
        4.4.2 VTK及 MFC
        4.4.3 界面顯示
        4.4.4 重建評(píng)估
    4.5 本章小結(jié)
第5章 方法整體性能評(píng)估
    5.1 準(zhǔn)確率Dice評(píng)估
    5.2 誤檢率FPR評(píng)估
    5.3 漏檢率MDR評(píng)估
    5.4 查準(zhǔn)率PRE評(píng)估
    5.5 綜合分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]PACS與HIS系統(tǒng)集成設(shè)計(jì)[J]. 侯鵬,趙陽(yáng),薛啟勛.  醫(yī)療裝備. 2018(05)
[2]基于VTK的超聲血管三維重建[J]. 郭燦柱,楊涌元,莊哲民,楊金耀.  中國(guó)醫(yī)療器械信息. 2017(09)



本文編號(hào)：3199479