本文關鍵詞：基于深度卷積神經(jīng)網(wǎng)絡的CT圖像肝臟腫瘤分割方法研究

  更多相關文章： 肝臟腫瘤分割 深度卷積神經(jīng)網(wǎng)絡 深度學習 圖割 CT圖像

【摘要】：肝臟是人體腹腔內(nèi)最大的實質(zhì)性器官,其結(jié)構復雜,血管豐富,病變種類多,發(fā)病率高,已經(jīng)嚴重威脅著人類的健康和生命。近年來,計算機斷層成像(Computed Tomography,CT)已成為肝臟腫瘤診斷與治療中最常用的醫(yī)學成像方式,主要的治療手段包括腫瘤切除、介入、放射等,每種治療方法都需要術前詳細了解腫瘤的數(shù)量、大小、位置等信息,以便制定一個完善的治療方案。因此,肝臟腫瘤的精確分割成為肝腫瘤治療的首要任務。腫瘤分割難點主要體現(xiàn)在以下幾個方面,首先肝臟腫瘤的大小、形狀、位置復雜多變,因人而異;其次腫瘤區(qū)域與肝臟正常組織界限模糊且可能毗鄰其他器官及血管;另外,肝臟腫瘤影像表現(xiàn)存在較大差異,病變組織灰度不均勻等。在臨床診斷中,手動分割一致性差,耗時多,大量研究工作者對其分割進行了深入研究,提出了許多半自動、自動的分割方法。通常半自動分割方法需要人工干預,依賴于人的主觀性和經(jīng)驗。大部分自動分割方法是基于傳統(tǒng)的機器學習方法完成的,需要手動設計提取大量特征,特征提取過程復雜且計算量大,憑借經(jīng)驗。肝臟腫瘤分割仍然是醫(yī)學圖像處理領域中的研究難點和熱點。在本文研究中,首先提出了基于深度卷積神經(jīng)網(wǎng)絡(Convolutional neural networks,CNN)的肝臟腫瘤自動分割方法。提取不同大小的圖像數(shù)據(jù)塊作為訓練數(shù)據(jù)并設計不同的網(wǎng)絡結(jié)構,自動學習特征,獲得腫瘤的分割結(jié)構。其次,提出了基于深度卷積神經(jīng)網(wǎng)絡與圖割優(yōu)化結(jié)合的分割方法。通過圖割優(yōu)化所獲得腫瘤粗分割區(qū)域,無需相應的后處理就能得到平滑的腫瘤邊界,獲得更精確的分割結(jié)果。然后,將傳統(tǒng)的手工提取特征和自動學習特征進行對比,分別訓練AdaBoost,Random Forests分類器用于腫瘤分割,相比之下,自動學習特征更有效,更具有可分性,更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息,有利于腫瘤分割。實驗結(jié)果表明,通過深度卷積神經(jīng)網(wǎng)絡自動學習所獲得的特征更有利于肝臟腫瘤分割,基于深度卷積神經(jīng)網(wǎng)絡并通過圖割優(yōu)化后的腫瘤分割結(jié)果優(yōu)于傳統(tǒng)機器學習方法及半自動水平集方法的分割結(jié)果,具有較高的準確性和魯棒性。
【關鍵詞】：肝臟腫瘤分割 深度卷積神經(jīng)網(wǎng)絡 深度學習 圖割 CT圖像
【學位授予單位】：中國科學院深圳先進技術研究院
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R816.5;TP183;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-13
• 第一章 緒論13-25
• 1.1 課題研究背景和意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-22
• 1.3 CT圖像肝臟腫瘤分割評價標準22-23
• 1.4 本文研究內(nèi)容及結(jié)構安排23-25
• 第二章 基于淺層機器學習模型的肝臟腫瘤分割方法25-33
• 2.1 引言25
• 2.2 淺層機器學習模型算法內(nèi)容25-30
• 2.2.1 圖像數(shù)據(jù)預處理25-26
• 2.2.2 手動設計提取特征26-28
• 2.2.3 AdaBoost分類器28-29
• 2.2.4 隨機森林29-30
• 2.3 算法實現(xiàn)30-31
• 2.4 實驗結(jié)果31-32
• 2.5 本章小結(jié)32-33
• 第三章 基于深度卷積神經(jīng)網(wǎng)絡的肝臟腫瘤分割方法33-45
• 3.1 引言33-34
• 3.2 深度卷積神經(jīng)網(wǎng)絡算法34-38
• 3.2.1 卷積層（Convolution Layer）34
• 3.2.2 最大池化下采樣層（MaxPooling Layer）34-35
• 3.2.3 全連接層（Fully-connected layer）35
• 3.2.4 Logistic回歸35-36
• 3.2.5 Softmax回歸36
• 3.2.6 Sigmoid轉(zhuǎn)移函數(shù)36-37
• 3.2.7 損失函數(shù)（Loss Function）37
• 3.2.8 隨機梯度下降法（Stochastic Gradient Descent）37-38
• 3.3 提取訓練數(shù)據(jù)38
• 3.4 深度卷積神經(jīng)網(wǎng)絡結(jié)構38-39
• 3.5 算法實現(xiàn)39-41
• 3.6 實驗結(jié)果41-43
• 3.7 本章小結(jié)43-45
• 第四章 基于多尺度深度卷積神經(jīng)網(wǎng)絡的肝臟腫瘤分割方法45-51
• 4.1 引言45
• 4.2 提取不同尺度的圖像數(shù)據(jù)塊45
• 4.3 多尺度的深度卷積神經(jīng)網(wǎng)絡結(jié)構45-46
• 4.4 算法實現(xiàn)46-47
• 4.5 實驗結(jié)果47-49
• 4.6 本章小結(jié)49-51
• 第五章 基于深度卷積神經(jīng)網(wǎng)絡與圖割優(yōu)化的肝臟腫瘤分割方法51-63
• 5.1 引言51
• 5.2 構建深度卷積神經(jīng)網(wǎng)絡模型51-52
• 5.3 圖割理論52-53
• 5.4 算法實現(xiàn)53-55
• 5.4.1 獲取前景背景圖像53-54
• 5.4.2 圖割優(yōu)化54-55
• 5.5 實驗結(jié)果55-61
• 5.5.1 圖割優(yōu)化分割結(jié)果55-56
• 5.5.2 自動學習特征與手工提取特征比較56-58
• 5.5.3 與基于level-set的半自動分割算法比較58-60
• 5.5.4 幾種肝臟腫瘤分割方法結(jié)果對比60-61
• 5.6 本章小結(jié)61-63
• 第六章 總結(jié)與展望63-65
• 6.1 工作總結(jié)63
• 6.2 展望63-65
• 參考文獻65-70
• 致謝70-71
• 作者簡介71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄧樂紅;;彩色多普勒對肝臟腫瘤的超聲診斷分析[J];云南醫(yī)藥;2007年06期

2 雷濤;朱利飛;李京;李慧;;彩色多普勒超聲引導下經(jīng)皮肝臟腫瘤穿刺診斷與治療分析[J];現(xiàn)代醫(yī)藥衛(wèi)生;2008年07期

3 王兆海;彭承宏;;納米技術在肝臟腫瘤診治中的應用[J];肝膽外科雜志;2008年02期

4 ;肝臟腫瘤診斷治療的新技術與新概念研討班通知[J];癌癥;2010年09期

5 ;歡迎訂閱《肝臟腫瘤手術技巧影像圖解》[J];中華臨床醫(yī)師雜志(電子版);2010年10期

6 鐘麟;胡廷澤;李福玉;郎詩民;;小兒原發(fā)性肝臟腫瘤50例臨床分析[J];實用腫瘤學雜志;1991年03期

7 彭彩鳳，白翠萍，田芳，張曉秋，田世莊;彩色多普勒血流顯像診斷肝臟腫瘤的探討[J];中國超聲醫(yī)學雜志;1994年12期

8 胡利安;肝臟腫瘤自發(fā)破裂4例分析[J];吉林醫(yī)學;1994年01期

9 馮志剛;小兒原發(fā)性肝臟腫瘤17例臨床分析[J];肝膽胰外科雜志;1996年01期

10 秦學斌;肝臟腫瘤手術麻醉61例[J];華夏醫(yī)學;1998年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 于金春;;淺談肝臟腫瘤施護[A];甘肅省中醫(yī)藥學會2010年會員代表大會暨學術年會論文匯編[C];2010年

2 吳沛宏;趙明;張福君;黃金華;范衛(wèi)君;李立;徐志斌;莫運仙;顧仰葵;;經(jīng)皮射頻消融術在肝臟腫瘤治療中的臨床價值[A];第八屆全國肝癌學術會議論文匯編[C];2001年

3 楊運堂;;螺旋CT對肝臟腫瘤偵測的技術價值[A];第十三屆全國臨床醫(yī)學影像學術會議論文匯編[C];2003年

4 潘偉華;張弛;王俊;蔡威;施誠仁;;兒童期肝臟腫瘤的治療體會[A];中國抗癌協(xié)會第七屆全國小兒腫瘤學術會議論文匯編[C];2007年

5 王文平;;肝臟腫瘤的超聲診斷進展[A];2005年上海市生物醫(yī)學工程學會學術年會論文集[C];2005年

6 周少明;代東伶;蔡華波;曾祥士;曹琳;文善姬;羅宏;;兒童肝臟腫瘤101例臨床分析[A];第十屆全國兒童消化系統(tǒng)疾病學術會議論文匯編[C];2014年

7 邱怡友;;肝臟腫瘤局部消融術的最新發(fā)展[A];中華醫(yī)學會第十八次全國放射學學術會議論文匯編[C];2011年

8 詹鋒;王昌俊;;陳治平治療肝臟腫瘤經(jīng)驗淺談[A];2012年(第3次)廣東省肝臟病學會中醫(yī)藥學專業(yè)委員會學術會議暨國家繼續(xù)教育項目《中西醫(yī)結(jié)合治療肝病進展學習班》論文匯編[C];2012年

9 方玲;周曉東;何光彬;孟欣;張琪;;實時組織彈性成像在評價肝臟腫瘤中的初步應用[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術會議論文匯編[C];2009年

10 王爽;周純武;趙心明;;肝臟腫瘤多層螺旋CT灌注研究[A];第三屆中國腫瘤學術大會教育論文集[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前9條

1 李運紅邋　胡顏;創(chuàng)新術式切除巨大肝臟腫瘤[N];科技日報;2007年

2 王繼榮邋戴智玉;聯(lián)合診療肝臟腫瘤中心開診[N];科技日報;2008年

3 常州三院超聲介入科主任 張偉民;肝臟腫瘤如何科學治療[N];常州日報;2008年

4 張鵬;小兒肝臟腫瘤多發(fā)令人憂[N];健康報;2013年

5 青島大學醫(yī)學院小兒外科學教授 董劏 段于河 整理;計算機輔助 肝腫瘤手術更安全[N];健康報;2012年

6 張鵬 記者 唐先武;吳孟超：我國小兒肝臟腫瘤呈多發(fā)趨勢[N];科技日報;2013年

7 陳怡如 戴欣;肝臟腫瘤冷凍治療研究成果獲國際大獎[N];解放軍報;2011年

8 高國起;魯破解肝臟腫瘤切緣難題[N];中國醫(yī)藥報;2003年

9 劉熾;TACE+激光熱療摧毀肝腫瘤[N];中國醫(yī)藥報;2004年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 董愛生;肝細胞癌彌散加權成像研究及肝臟腫瘤活體和離體氫質(zhì)子磁共振波譜分析[D];第二軍醫(yī)大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 戴薪傳;SPINK6基因高表達對肝臟腫瘤細胞抑制作用的研究[D];復旦大學;2012年

2 仇欣悅;多種數(shù)學模型在肝臟腫瘤DWI檢查中的應用[D];浙江大學;2016年

3 李雯;基于深度卷積神經(jīng)網(wǎng)絡的CT圖像肝臟腫瘤分割方法研究[D];中國科學院深圳先進技術研究院;2016年

4 栗河莉;超聲造影在肝臟腫瘤診斷中的臨床應用研究[D];鄭州大學;2006年

5 游錦華;數(shù)字化肝靜脈分型及其在肝臟腫瘤外科中的應用研究[D];南方醫(yī)科大學;2012年

6 趙建卿;CT引導下肝臟腫瘤射頻消融術后療效的影響學評價及隨訪價值探討[D];新疆醫(yī)科大學;2012年

7 李沐純;白蛋白納米載體介導的端粒酶反義核苷酸治療肝臟腫瘤[D];中南大學;2004年

8 武曉勇;射頻消融治療肝臟腫瘤病人生活質(zhì)量研究[D];浙江大學;2009年

9 張利勇;冷循環(huán)射頻消融治療肝臟腫瘤93例臨床分析[D];浙江大學;2010年

10 楊微;肝臟腫瘤不同放療技術及三維適形放療不同數(shù)量照射野的劑量學研究[D];中國人民解放軍醫(yī)學院;2012年

，

本文編號：1127294