本文選題：前列腺分割 + 磁共振圖像��； 參考：《中國圖象圖形學報》2017年04期

【摘要】：目的前列腺磁共振圖像存在組織邊界對比度低、有效區(qū)域少等問題,手工勾勒組織輪廓邊界的傳統(tǒng)分割方法無法滿足臨床實時性要求,針對這些問題提出了一種基于深度反卷積神經(jīng)網(wǎng)絡的前列腺磁共振圖像分割算法。方法基于深度學習理論,將訓練圖像樣本輸入設計好的卷積神經(jīng)網(wǎng)絡,提取具有高度區(qū)分性的前列腺圖像特征,反卷積策略用于拓展特征圖尺寸,使網(wǎng)絡的輸入尺寸與輸出預測圖大小匹配。網(wǎng)絡生成的概率預測圖通過訓練一個softmax分類器,對預測圖像取二值化,獲得最終的分割結(jié)果。為克服原始圖像中有效組織較少的問題,采用dice相似性系數(shù)作為卷積網(wǎng)絡的損失函數(shù)。結(jié)果本文算法以Dice相似性系數(shù)和Hausdorff距離作為評價指標,在MICCAI 2012數(shù)據(jù)集中,Dice相似性系數(shù)大于89.75%,Hausdorff距離小于1.3 mm,達到了傳統(tǒng)方法的分割精度,并且將處理時間縮短在1 min以內(nèi),明顯優(yōu)于其他方法。結(jié)論定量與定性的實驗表明,基于反卷積神經(jīng)網(wǎng)絡的前列腺分割方法可以準確地對磁共振圖像進行分割,相比于其他分割算法大幅度減小了處理時間,能夠很好地適用于臨床的前列腺圖像分割任務。
[Abstract]:Objective there are some problems in prostatic magnetic resonance imaging such as low contrast of tissue boundary and less effective area. The traditional segmentation method based on manual delineation of tissue contour can not meet the requirement of clinical real-time.To solve these problems, a prostatic magnetic resonance image segmentation algorithm based on deep deconvolution neural network is proposed.Methods based on the theory of depth learning, the training image samples were input into the designed convolution neural network, and the prostate image features were extracted, and the deconvolution strategy was used to expand the size of the feature image.The input size of the network is matched with the size of the output prediction chart.By training a softmax classifier, the probabilistic prediction graph generated by the network is binarized to the predicted image and the final segmentation result is obtained.In order to overcome the problem of less efficient organization in the original image, the dice similarity coefficient is used as the loss function of the convolution network.Results the Dice similarity coefficient and the Hausdorff distance are taken as the evaluation indexes in this algorithm. In the MICCAI 2012 data set, the similarity coefficient is greater than 89.75 and the Hausdorff distance is less than 1.3 mm, which achieves the segmentation accuracy of the traditional method, and reduces the processing time to less than 1 min.It is obviously superior to other methods.Conclusion quantitative and qualitative experiments show that the prostate segmentation method based on deconvolution neural network can accurately segment the magnetic resonance image, which greatly reduces the processing time compared with other segmentation algorithms.It is suitable for clinical prostate image segmentation.
【作者單位】： 合肥工業(yè)大學計算機與信息學院;安徽省醫(yī)科大學第二附屬醫(yī)院泌尿外科;
【基金】：國家自然科學基金項目(61371156)~~
【分類號】：TP391.41;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 蔡方凱;張松;董凱寧;;磁共振圖像閥值去噪方法研究[J];通信技術(shù);2007年11期

2 張寧;秦安;陳武凡;;一種新的心臟磁共振圖像分割方法[J];計算機工程與應用;2008年31期

3 王其玲;磁共振介紹[J];今日科技;1999年10期

4 沈琴;蔣謨文;駱建華;;一種改進的磁共振圖像自動調(diào)窗算法[J];中國醫(yī)療器械雜志;2011年04期

5 任鴿;曹興芹;楊勇;;基于局部區(qū)域擬合模型的磁共振圖像分割與偏移估計算法[J];計算機應用;2011年12期

6 高志宇;孫新娟;;基于模擬退火優(yōu)化的磁共振圖像重建優(yōu)化仿真[J];計算機仿真;2013年11期

7 吳錫;何晉;朱明;;綜合多梯度磁場方向彌散加權(quán)磁共振圖像線性最小均方誤差去噪[J];生物醫(yī)學工程學雜志;2014年01期

8 劉俐;石海瑛;霍麗琴;張峰;鄭崇勛;尤佳;何喜寧;張潔;;結(jié)合遺傳算法的脈沖耦合神經(jīng)網(wǎng)絡在新生兒缺氧缺血性腦病磁共振圖像中的應用研究[J];生物醫(yī)學工程學雜志;2011年05期

9 陳春生;劉奎;;基于多尺度積的磁共振圖像增強算法[J];安慶師范學院學報(自然科學版);2013年03期

10 吳水才;姜佩杰;楊春蘭;阮祥燕;;腿部磁共振圖像自動分割算法研究[J];北京工業(yè)大學學報;2012年02期

相關(guān)會議論文 前10條

1 趙磊;徐進;;磁共振導航微創(chuàng)治療系統(tǒng)及其臨床應用[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術(shù)大會壁報展示論文[C];2010年

2 徐志榮;朱戈;張衛(wèi)東;;磁共振實用圖像參數(shù)實驗分析[A];中華醫(yī)學會醫(yī)學工程學分會第一次醫(yī)學影像設備應用技術(shù)研討會論文集[C];1999年

3 翁得河;王慧賢;宋濤;;基于小波和模糊集的磁共振圖像增強[A];第六屆全國計算機應用聯(lián)合學術(shù)會議論文集[C];2002年

4 劉英豪;于源;;ASM-016P磁共振裝置脊椎掃描技術(shù)分析及臨床應用評價[A];中華醫(yī)學會醫(yī)學工程學分會第一次醫(yī)學影像設備應用技術(shù)研討會論文集[C];1999年

5 江寶釧;張森;胡蘭清;;無指導的模糊聚類的多回波腦部磁共振圖像分割[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 寧本德;屈小波;郭迪;陳忠;;基于小波變域內(nèi)局部方向性的磁共振圖像稀疏重建[A];第十七屆全國波譜學學術(shù)會議論文摘要集[C];2012年

7 趙磊;;磁共振導航微創(chuàng)治療技術(shù)及其在經(jīng)皮冷凍治療中的應用[A];第六屆中國科學家論壇論文匯編[C];2007年

8 陳曉榮;任宇婧;胡紅杰;尹學青;錢玉娥;劉華鋒;;磁共振評價左室容量-時間曲線的初步研究[A];2012年浙江省放射學術(shù)年會論文集[C];2012年

9 相艷;李江濤;楊嘉林;;基于模糊C均值聚類算法的腦部磁共振圖像分割[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

10 胡昌偉;屈小波;郭迪;陳忠;;基于小波變換的迭代閾值磁共振圖像稀疏重構(gòu)新算法[A];第十六屆全國波譜學學術(shù)會議論文摘要集[C];2010年

相關(guān)重要報紙文章 前3條

1 本報記者 皮澤紅;國產(chǎn)磁共振的痛苦只是暫時的[N];廣東科技報;2004年

2 記者　孫占穩(wěn);新奧博為勇破世界性難題[N];河北日報;2006年

3 本報記者 劉正午;磁共振競技場的新較量[N];醫(yī)藥經(jīng)濟報;2004年

相關(guān)博士學位論文 前10條

1 李建福;磁共振結(jié)構(gòu)像分析及其在音樂家大腦研究中的應用[D];電子科技大學;2015年

2 羅敏敏;胎兒磁共振安全問題研究[D];南方醫(yī)科大學;2015年

3 陳相教;基于統(tǒng)計學方法的無參考MRI測溫關(guān)鍵技術(shù)研究[D];中國科學院研究生院(上海技術(shù)物理研究所);2015年

4 侯漠;磁性微泡對比劑介導超聲與磁共振圖像的配準與融合研究[D];東南大學;2015年

5 蓋永浩;超聲聯(lián)合磁共振評價Budd-Chiari綜合征血管病變與引流方式以及超聲定量分析肝靜脈引流的研究[D];山東大學;2016年

6 孔凡輝;基于粒子濾波的磁共振擴散成像人體心肌纖維重建方法研究[D];哈爾濱工業(yè)大學;2016年

7 江遠亮;顱內(nèi)動脈粥樣硬化斑塊離體高分辨率磁共振成像與病理對照研究及活體顱內(nèi)責任斑塊磁共振特征分析[D];第二軍醫(yī)大學;2016年

8 王麗嘉;磁共振圖像全自動分割量化方法研究[D];華東師范大學;2015年

9 張寧;心臟磁共振圖像左心室分割算法研究[D];南方醫(yī)科大學;2009年

10 張元凱;四肢腫瘤的微結(jié)構(gòu)與生物學行為及動態(tài)增強磁共振相關(guān)性研究[D];山東大學;2010年

相關(guān)碩士學位論文 前10條

1 陳勇;基于偏微分方程的磁共振圖像降噪算法研究[D];昆明理工大學;2015年

2 厲元杰;四維心臟輔助診斷系統(tǒng)關(guān)鍵技術(shù)的研究[D];四川師范大學;2015年

3 莊亞運;利用高介電材料提高胎兒磁共振射頻安全性理論研究[D];南方醫(yī)科大學;2015年

4 張翔亞;磁共振擴散張量成像FA值在足月新生兒缺氧缺血性腦病中的應用[D];南方醫(yī)科大學;2015年

5 商立清;基于磁共振數(shù)據(jù)的腦結(jié)構(gòu)網(wǎng)絡研究[D];電子科技大學;2014年

6 葛嶺嶺;稀疏磁共振圖像重建方法研究[D];河北工業(yè)大學;2015年

7 周延明;基于PRONY模型的磁共振測溫技術(shù)研究[D];哈爾濱工業(yè)大學;2015年

8 周維林;心臟磁共振實時電影成像方法研究[D];東北大學;2014年

9 李婷婷;超聲與磁共振圖像三維配準方法研究[D];南京航空航天大學;2014年

10 杜磊;核磁共振圖像中的3D胰腺分割[D];西安電子科技大學;2014年

，

本文編號：1743026