隨著社會的發(fā)展,人們的生活質(zhì)量不斷提高,心血管疾病已經(jīng)成為嚴(yán)重威脅人類生活質(zhì)量的疾病。心血管疾病是一種可以預(yù)防的常見的死亡病因。目前,心血管疾病的醫(yī)學(xué)影像診斷技術(shù)有多種,為了更加清晰的辨別血管內(nèi)病灶的組成成分,專家可以使用血管內(nèi)光學(xué)相干斷層掃描（OCT,Optical Coherence Tomography）圖像來檢測和表征病變。但是,冠脈OCT圖像中的病灶診斷仍需要專家手動標(biāo)注,這樣不僅存在因?qū)＜覀�體差異而導(dǎo)致的分割誤差,而且費時費力。因此,實現(xiàn)冠脈OCT圖像斑塊的人工智能自動分割對心血管疾病的臨床診斷具有重大意義。本文使用人工智能算法及深度學(xué)習(xí)方法,實現(xiàn)了冠脈OCT圖像中三種特征斑塊的自動分割,本文主要研究內(nèi)容如下:（1）本文提出了基于改進(jìn)中智學(xué)算法的冠脈OCT圖像斑塊分割方法,根據(jù)中智學(xué)算法轉(zhuǎn)換至不同領(lǐng)域可提取圖像中不同區(qū)域像素的特點,本文使用S型隸屬度函數(shù)改變中智學(xué)算法轉(zhuǎn)換公式,提高像素分類的準(zhǔn)確度,進(jìn)而提高圖像分割精度,本文方法能夠利用中智學(xué)算法的轉(zhuǎn)換過程將纖維斑塊、脂質(zhì)區(qū)全自動分割出來,并結(jié)合轉(zhuǎn)換后的兩種領(lǐng)域圖像利用區(qū)域生長算法將鈣化斑塊準(zhǔn)確分割出來。（2）本文提出了使用... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 冠脈OCT圖像斑塊分割傳統(tǒng)方法研究現(xiàn)狀
        1.2.2 冠脈OCT圖像分割深度學(xué)習(xí)研究現(xiàn)狀
    1.3 本文研究內(nèi)容與創(chuàng)新
    1.4 本文結(jié)構(gòu)安排
第二章 冠脈OCT圖像斑塊分割研究基礎(chǔ)
    2.1 冠脈OCT圖像基本介紹
        2.1.1 OCT成像原理
        2.1.2 冠脈OCT影像特點
    2.2 冠脈OCT圖像傳統(tǒng)算法分割基礎(chǔ)
        2.2.1 K-means聚類
        2.2.2 區(qū)域生長算法
        2.2.3 分水嶺算法
        2.2.4 冠脈OCT圖像分割算法對比分析
    2.3 基于深度學(xué)習(xí)的冠脈OCT圖像分割基礎(chǔ)
        2.3.1 常用圖像分割網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.2 冠脈OCT圖像的現(xiàn)有分割網(wǎng)絡(luò)對比分析
    2.4 本章小結(jié)
第三章 基于改進(jìn)中智學(xué)算法的冠脈OCT圖像的多區(qū)域自動分割算法
    3.1 引言
    3.2 分割流程
    3.3 中智學(xué)
    3.4 纖維斑塊的分割
    3.5 脂質(zhì)區(qū)的分割
        3.5.1 同態(tài)濾波
        3.5.2 形態(tài)學(xué)
    3.6 鈣化斑塊的分割
        3.6.1 預(yù)處理
        3.6.2 鈣化斑塊分割
        3.6.3 區(qū)域生長
    3.7 實驗結(jié)果與分析
        3.7.1 實驗環(huán)境
        3.7.2 實驗結(jié)果與對比
    3.8 本章小結(jié)
第四章 基于混合模型的冠脈OCT圖像多區(qū)域全自動分割算法
    4.1 引言
    4.2 分割流程
    4.3 U-Net粗分割
        4.3.1 數(shù)據(jù)來源
        4.3.2 預(yù)處理
        4.3.3 U-Net網(wǎng)絡(luò)模型
        4.3.4 遷移學(xué)習(xí)與Droupout
    4.4 隸屬-中智算法模型精分割
        4.4.1 中智學(xué)理論
        4.4.2 隸屬-中智算法
        4.4.3 分割過程
    4.5 結(jié)果與討論
        4.5.1 效果
        4.5.2 性能評價
    4.6 本章小結(jié)
第五章 總結(jié)和展望
    5.1 工作總結(jié)
    5.2 未來展望
參考文獻(xiàn)
致謝
個人簡介及攻讀碩士學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計算機工程與應(yīng)用. 2019(23)
[2]《中國心血管病報告2018》要點介紹[J]. 馬麗媛,吳亞哲,陳偉偉.  中華高血壓雜志. 2019(08)
[3]《中國心血管病報告2017》要點解讀[J]. 馬麗媛,吳亞哲,王文,陳偉偉.  中國心血管雜志. 2018(01)
[4]血管內(nèi)超聲與定量冠脈造影在冠心病診治中的對比研究[J]. 段娜,羅德鋒,侯愛潔,欒波.  中國醫(yī)藥科學(xué). 2018(03)
[5]基于K-means聚類與改進(jìn)隨機游走算法的冠脈光學(xué)相干斷層圖像斑塊分割[J]. 王光磊,王鵬宇,韓業(yè)晨,劉秀玲,李艷,盧倩.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(06)
[6]基于改進(jìn)分水嶺算法的圖像分割算法[J]. 邱瑞,祝日星,許宏科.  吉林大學(xué)學(xué)報(理學(xué)版). 2017(03)
[7]改進(jìn)區(qū)域生長算法在視杯圖像分割中的應(yīng)用[J]. 劉振宇,汪淼.  遼寧大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[8]基于核圖割算法的冠脈光學(xué)相干斷層圖像斑塊區(qū)域分割[J]. 張勃,楊建利,王光磊,王洪瑞,劉秀玲,韓業(yè)晨.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(01)
[9]結(jié)合分水嶺算法的水平集醫(yī)學(xué)圖像分割方法[J]. 張輝,朱家明,陳靜,吳杰.  計算機科學(xué). 2016(S2)
[10]結(jié)合LPG&PCA的中智學(xué)圖像分割[J]. 張桂梅,王大雷.  中國圖象圖形學(xué)報. 2014(05)

碩士論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的語義分割算法研究[D]. 戴偉達(dá).南京郵電大學(xué) 2019
[2]基于U-Net的肺結(jié)節(jié)輔助檢測系統(tǒng)設(shè)計與實現(xiàn)[D]. 徐峰.寧夏大學(xué) 2019
[3]基于分水嶺的SAR圖像分割方法研究[D]. 韓琳旖.西安電子科技大學(xué) 2018
[4]基于中智學(xué)理論的圖像分割算法研究[D]. 王大雷.南昌航空大學(xué) 2014



本文編號：3635847