發(fā)布時間：2022-12-07 06:55

　　眾所周知,惡性腫瘤是一種全球性的難以治療的疾病,目前已經(jīng)成為危害人類生病的主要疾病之一。對腫瘤進(jìn)行早期的準(zhǔn)確診斷、定位、定性、分類、分割是后續(xù)治療的關(guān)鍵。隨著醫(yī)學(xué)成像技術(shù)的不斷發(fā)展,肝臟增強(qiáng)計算斷層成像（Computed Tomography,CT）,顱內(nèi)磁共振（Magnetic Resonance Imaging,MRI）等醫(yī)學(xué)成像已經(jīng)成為疾病篩查、早期診斷、治療方案確定和預(yù)后評估中至關(guān)重要的一個部分。計算機(jī)輔助醫(yī)療很大程度上可以緩解人口老齡化的不斷加劇帶來的醫(yī)療資源嚴(yán)重不足的壓力,通過大量的醫(yī)學(xué)數(shù)據(jù)深度學(xué)習(xí)之后,輔助醫(yī)生讀取CT影像,早期的癌癥篩查,這將在很大程度上緩解醫(yī)療人員不足的壓力和誤診、誤判的壓力。醫(yī)學(xué)圖像分割是大多從事研究人員關(guān)注的圖像處理研究的熱點問題,隨著深度學(xué)習(xí)在各種分類問題,目標(biāo)檢測問題,分割問題上取得巨大的進(jìn)展,深度學(xué)習(xí)方法,特別是卷積神經(jīng)網(wǎng)絡(luò),已經(jīng)迅速成為分析醫(yī)學(xué)圖像的首選方法。醫(yī)學(xué)影像分割是從二維或三維醫(yī)學(xué)影像中檢測出目標(biāo)對象的邊界,獲取正常組織器官及腫瘤病變區(qū)域。本文具體的創(chuàng)新點和貢獻(xiàn)總結(jié)如下:1.對醫(yī)學(xué)圖像分割的發(fā)展過程和其經(jīng)典方法進(jìn)行闡述分析和研究。詳... 

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究內(nèi)容與提出的研究意義
    1.2 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢
        1.2.1 醫(yī)學(xué)圖像分割研究
        1.2.2 腦部腫瘤圖像分割現(xiàn)狀
        1.2.3 肝臟占位性病變區(qū)域分割現(xiàn)狀
    1.3 本論文的創(chuàng)新點
    1.4 本文主要研究內(nèi)容以及各章內(nèi)容安排
2 分割網(wǎng)絡(luò)的基礎(chǔ)知識概述
    2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的分割算法
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)的基本原理
        2.1.2 基于卷積神經(jīng)網(wǎng)絡(luò)的分割算法
    2.2 多模態(tài)融合
    2.3 本章小結(jié)
3 基于多模態(tài)加權(quán)的U-NET模型的腦腫瘤分割方法
    3.1 問題概述
    3.2 框架設(shè)計與算法實現(xiàn)
        3.2.1 預(yù)處理
        3.2.2 基于U-Net的基準(zhǔn)模型
        3.2.3 多模態(tài)加權(quán)融合的分割網(wǎng)絡(luò)
    3.3 實驗設(shè)計與結(jié)果分析
        3.3.1 實驗環(huán)境配置
        3.3.2 網(wǎng)絡(luò)訓(xùn)練與參數(shù)設(shè)置
    3.4 圖像分割評估方法
    3.5 實驗結(jié)果
        3.5.1 自動化網(wǎng)絡(luò)分割示例
        3.5.2 單模態(tài)分割結(jié)果與多模態(tài)融合結(jié)果對比
        3.5.3 各網(wǎng)絡(luò)模型分割結(jié)果對比
    3.6 本章小結(jié)
4 基于三維卷積神經(jīng)網(wǎng)絡(luò)的多模態(tài)加權(quán)U-NET的肝臟占位性病變分割方法
    4.0 三維卷積
    4.1 框架設(shè)計與算法實現(xiàn)
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 基于三維卷積神經(jīng)網(wǎng)絡(luò)的多模態(tài)加權(quán)U-Net的分割網(wǎng)絡(luò)設(shè)計
    4.2 實驗環(huán)境配置
        4.2.1 實驗環(huán)境配置
        4.2.2 網(wǎng)絡(luò)訓(xùn)練與參數(shù)設(shè)置
    4.3 圖像分割評估方法
    4.4 實驗結(jié)果
        4.4.1 多模態(tài)分割與單模態(tài)分割對比
        4.4.2 對比實驗結(jié)果分析
        4.4.3 各網(wǎng)絡(luò)模型分割結(jié)果對比
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 本文主要工作總結(jié)
    5.2 后續(xù)研究方向展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]腫瘤化療患者應(yīng)用健康教育的臨床效果分析[J]. 植秀峰.  人人健康. 2015(23)
[2]圖像閾值分割方法研究進(jìn)展20年（1994—2014）[J]. 吳一全,孟天亮,吳詩婳.  數(shù)據(jù)采集與處理. 2015(01)
[3]PET/CT成像原理、優(yōu)勢及臨床應(yīng)用[J]. 孫濤,韓善清,汪家旺.  中國醫(yī)學(xué)物理學(xué)雜志. 2010(01)
[4]Snake模型綜述[J]. 李天慶,張毅,劉志,胡東成.  計算機(jī)工程. 2005(09)



本文編號：3712439