隨著工業(yè)化進(jìn)程的發(fā)展和環(huán)境的惡化,癌癥的發(fā)病率呈現(xiàn)不斷增長(zhǎng)的趨勢(shì),社會(huì)對(duì)此關(guān)注度日益增加。癌癥的早發(fā)現(xiàn)、早診斷、早治療對(duì)于患者的康復(fù)具有重要意義。目前,癌癥的早期醫(yī)學(xué)診斷主要依賴(lài)于生化和影像檢查,基于醫(yī)學(xué)圖像的計(jì)算機(jī)輔助檢測(cè)和診斷（CAD）對(duì)于癌癥綜合診斷結(jié)果有著重要影響。然而,腫瘤圖像數(shù)據(jù)具有復(fù)雜的病灶特征和抽象的規(guī)則表達(dá),且高質(zhì)量的有標(biāo)注數(shù)據(jù)相對(duì)匱乏。如何有效的從多維腫瘤圖像數(shù)據(jù)中獲取關(guān)鍵的病灶特征,并利用這些特征對(duì)目標(biāo)圖像進(jìn)行語(yǔ)義分割和目標(biāo)檢測(cè),是當(dāng)前醫(yī)學(xué)圖像和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)和亟待解決的問(wèn)題之一。本文綜合運(yùn)用深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）特征提取機(jī)制和條件隨機(jī)場(chǎng)（CRF）理論,圍繞腦部與肺部腫瘤圖像數(shù)據(jù)的預(yù)處理、語(yǔ)義分割及目標(biāo)檢測(cè)等關(guān)鍵問(wèn)題開(kāi)展研究,主要工作如下:1)針對(duì)腫瘤圖像分割模型中存在的收斂速度慢、分割精度低等問(wèn)題,提出了一種基于分布直方圖的圖像預(yù)處理算法。該算法將腫瘤圖像的強(qiáng)度值,基于直方圖分段映射到預(yù)先設(shè)定的固定區(qū)間,對(duì)強(qiáng)度值進(jìn)行均衡化再分布。算法在理論上可保證腫瘤圖像強(qiáng)度值在預(yù)處理后具有可解釋性。與現(xiàn)有預(yù)處理方法的對(duì)比實(shí)驗(yàn)表明該算法顯著提高了腫瘤圖像分割模型的精... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：103 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

腦部膠質(zhì)翻.

??ｌ?＼??第七章總結(jié)與展望??圖１．３各章節(jié)內(nèi)容關(guān)系圖．??本文第二至第七章的組織架構(gòu)如圖１．３所示：第二章介紹了神經(jīng)網(wǎng)絡(luò)和腫瘤??圖像分析的研宄背景和相關(guān)工作：第三章介紹了?ＭＲ和ＣＴ圖像的數(shù)據(jù)預(yù)處理方??１０??

ＣＴ?成像??計(jì)算機(jī)體層成像（ＣｏｍｐｕｔｅｄＴｏｍｏｇｒａｐｈｙ）的英文縮寫(xiě)，是自Ｘ醫(yī)學(xué)領(lǐng)域的一次革命性應(yīng)用，它利用精準(zhǔn)的Ｘ射線等穿過(guò)靶內(nèi)具有不同密度的組織吸收率有一定差異，采用檢測(cè)器圍繞連續(xù)的斷面掃描，然后計(jì)算出靶器官內(nèi)位于不同部位和深度線吸收系數(shù)，就可以重建人體被檢查部位的二維斷面或三維位的細(xì)小病變。其中以Ｘ射線ＣＴ?（Ｘ－ＣＴ）應(yīng)用最為廣泛，究對(duì)象，以下簡(jiǎn)稱(chēng)ＣＴ。??年，美國(guó)塔夫茨大學(xué)數(shù)學(xué)家Ａｌｌａｎ?Ｍａｃｌｅｏｄ?Ｃｏｒｍａｃｋ解決了?ＣＴ問(wèn)題，即從物體某一層面的多方向的ＣＴ投影中可以計(jì)算出該英國(guó)工程師Ｇｏｄｆｒｅｙ?Ｎｅｗｂｏｌｄ?Ｈｏｕｎｓｆｉｅｌｄ在ＥＭＩ實(shí)驗(yàn)中心開(kāi)展了圖像計(jì)算機(jī)重建的研宄工作，并于１９７１年９月在Ａｔｋｉｎｓｏｎ－Ｍｏｒｌ了?ＣＴ圖像臨床實(shí)驗(yàn)，成功采集了患者的ＣＴ斷面圖像序列，圖

【參考文獻(xiàn)】：
期刊論文
[1]醫(yī)學(xué)CT圖像預(yù)處理上下文算法研究[J]. 史延新.  電子科技. 2018(09)
[2]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(03)
[3]基于不變矩特征和神經(jīng)網(wǎng)絡(luò)的圖像模式模糊分類(lèi)[J]. 范立南,徐心和.  東北大學(xué)學(xué)報(bào). 2004(08)

博士論文
[1]圖像局部不變特征提取技術(shù)及其應(yīng)用研究[D]. 劉景能.上海交通大學(xué) 2012
[2]圖像仿射不變特征提取方法研究[D]. 陳濤.國(guó)防科學(xué)技術(shù)大學(xué) 2006



本文編號(hào)：3284882