前列腺癌是中老年男性常見惡性腫瘤。磁共振成像（MRI）因其具有對軟組織分辨率高,可多參數(shù)成像,能對任意斷層進行掃描的特點,被認為是前列腺癌診斷和輔助治療的最佳醫(yī)學影像。準確從前列腺磁共振圖像中分割出前列腺對輔助前列腺癌診斷具有重要價值,雖然近年來已有多種針對前列腺磁共振圖像的分割方法,但這些方法仍然不能適應不同圖像數(shù)據(jù)集。醫(yī)學圖像算法的成功在一定程度上取決于高質(zhì)量輸入特征,然而,特征工程需要付出大量時間和精力,而且人工選擇特征表達能力差,泛化能力低,無法滿足目前圖像分割的需求。深度神經(jīng)網(wǎng)絡的多層結(jié)構(gòu)能夠有效的表達復雜函數(shù),從而使其能夠?qū)W習到具有較強表征能力的圖像特征,提高圖像識別的準確性。本文使用三種全卷積神經(jīng)網(wǎng)絡U-Net、V-Net和Dense V-Net作為前列腺磁共振圖像分割方法的基礎對比方案,然后,在Dense V-Net和V-Net的基礎上提出一種基于密集連接的全卷積神經(jīng)網(wǎng)絡FC Dense V-Net。FC Dense V-Net中卷積層之間的連接使用Dense V-Net中密集連接的方式,這樣能夠?qū)崿F(xiàn)更大程度的特征復用,有效解決了現(xiàn)有模型不能同時獲取不同層次特征的缺點;... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

全卷積神經(jīng)網(wǎng)絡[39]

東南大學碩士學位論文22圖3.1數(shù)據(jù)集中的分割示例3.1.2數(shù)據(jù)預處理本文使用深度學習模型的前列腺磁共振圖像的三維分割方法的流程圖如下所示。該流程圖主要包括三個主要步驟，第一步是數(shù)據(jù)集的預處理，第二步是數(shù)據(jù)增強，最后一步是神經(jīng)網(wǎng)絡模型的訓練和測試。基于神經(jīng)網(wǎng)絡模型對前列腺磁共振圖像進行自動化分割的流程圖如圖3.2所示。開始結(jié)束數(shù)據(jù)預處理數(shù)據(jù)增強神經(jīng)網(wǎng)絡模型圖3.2前列腺磁共振圖像自動分割流程圖數(shù)據(jù)預處理在很多神經(jīng)網(wǎng)絡中扮演著很重要的作用，使用數(shù)據(jù)預處理能去掉原始數(shù)據(jù)之間的相關性，使算法能夠發(fā)揮最佳效果。數(shù)據(jù)集的選取和劃分在神經(jīng)網(wǎng)絡訓練過程中起著十分關鍵的作用，同時，圖像數(shù)據(jù)的數(shù)目與質(zhì)量對網(wǎng)絡模型也有很大的影響。本文采用數(shù)據(jù)集共包含82個樣本數(shù)據(jù)，每個樣本包含15到55個數(shù)目不等的切片，以及對應的醫(yī)生手工分割的結(jié)果圖像。本文的數(shù)據(jù)集由合作醫(yī)院提供，由于本文數(shù)據(jù)集包含的圖片數(shù)量不大，并且不同病人圖像的尺寸和分辨率不同。因此為了提高模型學習的性能，本文采用以下方式對原始數(shù)據(jù)進行預處理：（1）前列腺磁共振圖像中，前列腺只占據(jù)很小的一部分，我們可以通過剪裁去除樣本中多余的不包含前列腺圖像信息的邊界，減小負樣本所占比例；

第三章基于FCN的前列腺MRI的3D分割方法23（2）本文中的數(shù)據(jù)集大小形狀不一，作為輸入的話，很不方便，而且由于我們使用的GPU內(nèi)存有限，因此我們將數(shù)據(jù)集中的樣本數(shù)據(jù)統(tǒng)一重采樣為12812864作為輸入；圖3.3前列腺磁共振圖像手動勾畫結(jié)果示意圖因為卷積神經(jīng)網(wǎng)絡對訓練數(shù)據(jù)的多樣性及數(shù)量都有一定的要求，而收集的臨床數(shù)據(jù)集中的正樣本數(shù)量對于訓練和測試卷積網(wǎng)絡來說相對較少，因此我們還需對數(shù)據(jù)進行增強。為了增加訓練數(shù)據(jù)的數(shù)量，我們采用了多種數(shù)據(jù)擴充方法。具體地說，就是將每個訓練樣本圖像進行隨機平移、隨機上下翻轉(zhuǎn)、隨機左右翻轉(zhuǎn)以及隨機角度的隨機旋轉(zhuǎn)，以增加訓練數(shù)據(jù)的多樣性及數(shù)量。在實驗中，使用十折交叉驗證的方式評估模型的性能，即隨機將90%的樣本數(shù)據(jù)作為訓練數(shù)據(jù)，剩余的10%的樣本數(shù)據(jù)作為測試數(shù)據(jù)。前列腺磁共振圖像的手動分割示意圖如圖3.3所示。3.2深度神經(jīng)網(wǎng)絡3DU-Net3.2.13DU-Net模型圖3.4是基于神經(jīng)網(wǎng)絡模型的前列腺磁共振圖像分割流程圖。

【參考文獻】：
期刊論文
[1]中國前列腺癌發(fā)病現(xiàn)狀和流行趨勢分析[J]. 韓蘇軍,張思維,陳萬青,李長嶺.  臨床腫瘤學雜志. 2013(04)
[2]醫(yī)學圖像分割方法綜述[J]. 林瑤,田捷.  模式識別與人工智能. 2002(02)



本文編號：3302365