醫(yī)學(xué)圖像分割和醫(yī)學(xué)圖像定量測(cè)量是醫(yī)學(xué)圖像分析領(lǐng)域的關(guān)鍵問題,在許多疾病的輔助診斷和評(píng)估中占有重要臨床意義。深度學(xué)習(xí)是解決眾多醫(yī)學(xué)圖像分析問題通用有效的方法,但是深度學(xué)習(xí)中往往沒有用到己有的先驗(yàn)知識(shí),模型通常比較復(fù)雜,而醫(yī)學(xué)圖像數(shù)據(jù)稀缺,深度學(xué)習(xí)在解決醫(yī)學(xué)圖像分析問題時(shí)容易出現(xiàn)過擬合現(xiàn)象。局部線性表達(dá)是指流形上的樣本可以由其近鄰樣本的線性組合近似表示,基于流形假設(shè)和局部線性表達(dá),可以利用一些已有的先驗(yàn)知識(shí)（如局部線性映射、樣本在流形上的分布規(guī)律等）簡(jiǎn)化模型。結(jié)合局部線性表達(dá)和深度學(xué)習(xí),可以簡(jiǎn)化模型,提高模型的泛化能力�；诰植烤�性表達(dá)和深度學(xué)習(xí)的模型,本文在磁共振（Magnetic Resonance,MR）圖像海馬體分割和MR圖像脊柱自動(dòng)定量測(cè)量方面做了以下兩項(xiàng)工作:（1）基于迭代局部線性映射（Iterative Local Linear Mapping,ILLM）的MR圖像海馬體分割。我們把海馬體分割問題分解為多輸出回歸問題和閾值分割問題,多輸出回歸問題中,我們用MR圖像塊的特征預(yù)測(cè)其所對(duì)應(yīng)的距離場(chǎng)（Distance Field,DF）圖像塊。DF圖像中體素的絕對(duì)值表示該點(diǎn)距離海馬體... 

【文章來源】：南方醫(yī)科大學(xué)廣東省

【文章頁數(shù)】：118 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－１本研宄的科學(xué)問題、分析模型、應(yīng)用方法、技術(shù)創(chuàng)新以及研究目標(biāo)

?本研宄旨在實(shí)現(xiàn)精確的ＭＲ圖像海馬體分割以及ＭＲ圖像脊柱自動(dòng)定量測(cè)??量，如圖１－１，這兩個(gè)醫(yī)學(xué)圖像分析問題可以一般化為不同空間的非線性映射的??科學(xué)問題，針對(duì)局部線性表達(dá)和深度學(xué)習(xí)的優(yōu)缺點(diǎn)，本文提出基于局部線性表達(dá)??和深度學(xué)習(xí)的模型，通過構(gòu)建新型網(wǎng)絡(luò)結(jié)構(gòu)和約束條件，提出迭代局部線性映射??和級(jí)聯(lián)放大器回歸網(wǎng)絡(luò)兩個(gè)應(yīng)用方法，分別用于解決ＭＲ圖像海馬體分割和ＭＲ??圖像脊柱自動(dòng)定量測(cè)量問題。??圖１－２展示了局部線性表達(dá)和深度學(xué)習(xí)的優(yōu)缺點(diǎn)，以及本文的研宄工作。??本研究的貢獻(xiàn)在于：??（１）

（２）?ＬＬＲＣ中輸出流形上的樣本是一維的，不適用于輸出流形是多維的情??形；??（３）?ＬＤＭ中每個(gè)測(cè)試樣本都要構(gòu)建一個(gè)局部字典，構(gòu)建局部字典所消耗??時(shí)間比較長(zhǎng)。??１．３深度學(xué)習(xí)研宄現(xiàn)狀??人工智能是２０世紀(jì)５０年代提出的，近２０年來快速發(fā)展的讓機(jī)器智能化的??技術(shù)，近十年來我國(guó)人工智能技術(shù)發(fā)展迅猛，在國(guó)民經(jīng)濟(jì)中占有重要地位，２０１６??年我國(guó)把人工智能技術(shù)寫入“十三五”規(guī)劃綱要。作為人工智能的關(guān)鍵技術(shù)，深??度學(xué)習(xí)是一種表征學(xué)習(xí)［２２］，它可以從數(shù)據(jù)中自動(dòng)學(xué)習(xí)更高層次的抽象特征。深度??學(xué)習(xí)己經(jīng)成功應(yīng)用于圖像分類［５２＿５４］、圖像分割［５５＃］、語音識(shí)別［６？６３］、自然語言處??理［６４＿７８］等領(lǐng)域。??

【參考文獻(xiàn)】：
博士論文
[1]基于稀疏表達(dá)以及局部線性表達(dá)的醫(yī)學(xué)圖像分析[D]. 吳遙.南方醫(yī)科大學(xué) 2015



本文編號(hào)：3226610