隨著大數(shù)據(jù)時代的到來以及現(xiàn)代醫(yī)學(xué)影像技術(shù)的發(fā)展,醫(yī)學(xué)圖像的質(zhì)量和數(shù)量都在不斷增長,使用人力對圖像進行處理及分析就顯得格外困難,而那些未經(jīng)過處理的圖像使用價值并不高,因此自然需要一種方法可以自動的對大量圖像數(shù)據(jù)進行初步的處理。水平集方法與傳統(tǒng)圖像分割算法相比,能夠處理拓撲結(jié)構(gòu)的復(fù)雜變化,數(shù)值計算也比較簡單,而近幾年卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展迅速并應(yīng)用到了醫(yī)學(xué)圖像處理領(lǐng)域,在提高醫(yī)學(xué)圖像分類準確率的同時,還省去了傳統(tǒng)分類方法的特征提取步驟,大大提高了圖像分類的效率。如果能用計算機對醫(yī)學(xué)圖像自動的進行正常與患病的預(yù)測分類,之后對被判斷為患病的圖像進行分割處理,這樣就可以為醫(yī)生后續(xù)的診斷分析提供便利。本文分兩部分介紹了圖像分割和分類的方法,分割部分首先對曲線演化理論及水平集的原理進行了介紹,隨后通過對傳統(tǒng)能量函數(shù)的改進優(yōu)化了水平集模型對醫(yī)學(xué)圖像邊界的識別效果,提高了分割的準確率。分類部分則建立了一個卷積神經(jīng)網(wǎng)絡(luò),對磁共振圖像進行對比試驗確定一些影響網(wǎng)絡(luò)分類準確率的參數(shù)及方法選擇,根據(jù)這些參數(shù)建立最終的網(wǎng)絡(luò),然后再使用醫(yī)學(xué)圖像對網(wǎng)絡(luò)進行訓(xùn)練和測試。為了驗證本文所提方法的有效性,本文選取了人體正常MRI圖... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

質(zhì)子的自旋與進動

圖 3-11 RSF模型算法分割結(jié)果圖 3-12 LIC 模型算法分割結(jié)果圖 3-13 DRLSE 模型算法分割結(jié)果可以看出，上述幾種傳統(tǒng)模型對圖像分割效果不是很好，一部分區(qū)域出現(xiàn)了過

圖 3-12 LIC 模型算法分割結(jié)果圖 3-13 DRLSE 模型算法分割結(jié)果可以看出，上述幾種傳統(tǒng)模型對圖像分割效果不是很好，一部分區(qū)域出現(xiàn)了過度分割，明明并不是病變區(qū)域但是卻被劃分為病變區(qū)域，還有一部分區(qū)域出現(xiàn)了分割欠缺的現(xiàn)象，本文的分割算法相較于傳統(tǒng)模型，對過分割和欠分割的現(xiàn)象均有一定程度的改善。3.5.4 其他部位磁共振圖像分割結(jié)果為了證明本文算法對不同部位磁共振圖像的普適性，在圖像的采集過程中還掃

【參考文獻】：
期刊論文
[1]基于DICOM標準的醫(yī)學(xué)影像數(shù)據(jù)格式分析及存儲方法[J]. 方勝吉.  中國新通信. 2017(09)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[3]醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計算機學(xué)報. 2015(06)
[4]基于區(qū)域信息的水平集醫(yī)學(xué)圖像分割[J]. 陳靜,朱家明,盛朗,居小平.  軟件. 2014(04)



本文編號：3395782