核磁共振成像(Magnetic Resonance Imaging,MRI)等醫(yī)學(xué)成像技術(shù),為鼻咽癌腫瘤的分割、心肌的分割和分類提供了可供參考的解剖成像。在臨床診斷過程中,醫(yī)生通常需要手動(dòng)標(biāo)注鼻咽癌腫瘤或心肌的邊界以輔助治療。該過程單調(diào)乏味、耗時(shí)且容易出錯(cuò)。因此采用計(jì)算機(jī)自動(dòng)分割算法來輔助醫(yī)生精準(zhǔn)定位鼻咽癌腫瘤和心肌區(qū)域成為一種必要需求。然而由于鼻咽癌區(qū)域和心肌區(qū)域較小,容易造成前景和背景類別極端不平衡問題。另外,每個(gè)病人癌癥區(qū)域組織結(jié)構(gòu)(如形狀、大小等)存在較大差異,且MRI醫(yī)學(xué)圖像存在特殊性,使鼻咽癌腫瘤的自動(dòng)分割任務(wù)存在較大的挑戰(zhàn)性。此外,由于心肌區(qū)域的低對比度和在強(qiáng)度和形狀上的較大變化,以及運(yùn)動(dòng)偽影和心臟動(dòng)力學(xué)引起的合成心臟磁共振(Cardiac Magnetic Resonance,CMR)圖像中的固有噪聲會(huì)干擾心肌分析,心肌分割和分類也是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。因此基于深度學(xué)習(xí)的鼻咽癌與心臟MRI醫(yī)學(xué)圖像分類與分割技術(shù)有廣泛的研究價(jià)值和應(yīng)用前景。本文的研究內(nèi)容是鼻咽癌與心臟MRI醫(yī)學(xué)圖像分類與分割,主要分為如下幾個(gè)方面:(1)由于醫(yī)學(xué)圖像存在質(zhì)量與標(biāo)注差的問題,所以本文首先研...

【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 選題的背景和意義
    1.2 醫(yī)學(xué)圖像分割的研究現(xiàn)狀
        1.2.1 鼻咽癌分割
        1.2.2 心肌分割與分類
    1.3 論文的主要內(nèi)容及組織結(jié)構(gòu)
        1.3.1 論文的主要內(nèi)容
        1.3.2 論文的組織結(jié)構(gòu)
第二章 深度學(xué)習(xí)在圖像中的應(yīng)用
    2.1 深度學(xué)習(xí)概述
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 深度學(xué)習(xí)在語義分割中的應(yīng)用
        2.2.1 解碼器變體
        2.2.2 整合上下文信息
    2.3 深度學(xué)習(xí)在醫(yī)學(xué)圖像中的應(yīng)用
        2.3.1 醫(yī)學(xué)圖像分割
        2.3.2 計(jì)算機(jī)輔助診斷
    2.4 本章小結(jié)
第三章 基于數(shù)據(jù)結(jié)構(gòu)的異常檢測方法
    3.1 引言
    3.2 基于數(shù)據(jù)結(jié)構(gòu)的異常檢測算法
        3.2.1 研究動(dòng)機(jī)
        3.2.2 LDS算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 評價(jià)指標(biāo)
        3.3.2 數(shù)據(jù)集
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.4 魯棒性驗(yàn)證
    3.4 本章小結(jié)
第四章 基于多尺度特征金字塔的 3D CNN鼻咽癌分割方法
    4.1 引言
    4.2 基于多尺度特征金字塔的 3D CNN鼻咽癌分割算法
        4.2.1 SFPN網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 帶跳躍連接的多尺度特征
        4.2.3 輔助分割預(yù)測
        4.2.4 損失函數(shù)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集及預(yù)處理
        4.3.2 評價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)設(shè)置和參數(shù)設(shè)定
        4.3.4 對比方法介紹
        4.3.5 加權(quán)交叉熵的實(shí)驗(yàn)結(jié)果
        4.3.6 Jaccard損失的實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 基于多任務(wù)學(xué)習(xí)的心肌自動(dòng)分割和診斷方法
    5.1 引言
    5.2 基于多任務(wù)學(xué)習(xí)的心肌自動(dòng)分割和診斷算法
        5.2.1 CMFNet網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 級聯(lián)的多尺度特征
        5.2.3 損失函數(shù)
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 數(shù)據(jù)集及預(yù)處理
        5.3.2 實(shí)驗(yàn)設(shè)置和參數(shù)設(shè)定
        5.3.3 對比方法介紹
        5.3.4 實(shí)驗(yàn)結(jié)果及分析
        5.3.5 魯棒性驗(yàn)證
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者在讀期間科研成果簡介
致謝



本文編號(hào)：3777041