前列腺癌是全世界常見的男性癌癥之一,MRI技術(shù)在前列腺疾病的診斷和治療中扮演著至關(guān)重要的角色。由于前列腺組織具有形態(tài)各異和邊界模糊的特點(diǎn),使得傳統(tǒng)算法在處理前列腺分割時(shí)存在諸多限制和缺陷。此外,傳統(tǒng)的手動(dòng)分割方法需要大量時(shí)間和人力,且容易出現(xiàn)不一致性和主觀性等問題。近年來,基于深度學(xué)習(xí)的算法在醫(yī)學(xué)圖像自動(dòng)分割領(lǐng)域獲得了顯著的進(jìn)展。本文旨在基于深度學(xué)習(xí)對前列腺M(fèi)R圖像分割方法進(jìn)行研究,主要內(nèi)容和創(chuàng)新工作如下:1)針對傳統(tǒng)的深層分割神經(jīng)網(wǎng)絡(luò)存在的梯度消失和過分割問題,提出一種CC-Res-UNet網(wǎng)絡(luò)。首先采用對比度受限的自適應(yīng)直方圖均衡算法對前列腺圖像進(jìn)行處理,增強(qiáng)信息的可檢測性。然后,通過將殘差機(jī)制引入到經(jīng)典UNet網(wǎng)絡(luò)中,減少因神經(jīng)網(wǎng)絡(luò)層數(shù)加深而導(dǎo)致的梯度消失的風(fēng)險(xiǎn)。此外,針對前列腺M(fèi)R圖像中存在的過分割問題,在傳統(tǒng)分割網(wǎng)絡(luò)的編碼器和譯碼器間引入一種具有分類引導(dǎo)功能的校正模塊,以減少假陽性預(yù)測,緩解分割網(wǎng)絡(luò)對不含前列腺組織圖像的過分割問題。2)為增強(qiáng)網(wǎng)絡(luò)的特征表達(dá)能力和實(shí)現(xiàn)多尺度語義信息的融合,提出一種Inception A-Dense-UNet網(wǎng)絡(luò)。首先,將密集連接思想引入到UNe...

【文章頁數(shù)】：69 頁

【部分圖文】：

圖2.12U-Net模型

第二章圖像分割和深度學(xué)習(xí)理論知識21圖2.12U-Net模型Fig2.12ThemodelofU-Net2.4本章小結(jié)本章首先介紹了圖像分割相關(guān)的理論知識，包括對傳統(tǒng)圖像分割方法的分類以及分割任務(wù)中常用評價(jià)指標(biāo)的介紹。之后對深度學(xué)習(xí)相關(guān)原理以及經(jīng)典的基于深度學(xué)習(xí)的圖像分割算法做了....

本文編號：3897077