【摘要】：醫(yī)學(xué)影像分割是從二維或三維醫(yī)學(xué)影像中檢測(cè)出目標(biāo)對(duì)象的邊界,獲取正常組織器官及腫瘤病變區(qū)域,其分割技術(shù)在診斷的形態(tài)和解剖分析、治療前的活檢引導(dǎo)與路徑規(guī)劃、治療中的跟蹤與定位、預(yù)后的病情進(jìn)展變化等方面有著重要的臨床意義。雖然基于機(jī)器學(xué)習(xí)的全自動(dòng)分割算法目前在多模態(tài)醫(yī)學(xué)影像分割上取得了眾多的研究成果,并展示出其優(yōu)秀的分割性能。然而,不同模態(tài)的成像技術(shù)受噪聲、部分容積效應(yīng)和圖像強(qiáng)度信息不均勻等因素影響,嚴(yán)重降低了圖像質(zhì)量而引起邊界定位困難。加之,腫瘤及組織器官解剖多樣性和在不同模態(tài)圖像上的特異性表達(dá)及空間與時(shí)間分辨率各有不同,從而增加了目標(biāo)對(duì)象的復(fù)雜性,因此,全自動(dòng)、穩(wěn)定、魯棒和準(zhǔn)確的醫(yī)學(xué)影像分割依然具有較大的挑戰(zhàn)。為解決上述難題,本論文進(jìn)行了如下研究:從邊界識(shí)別和形狀多變自適應(yīng)能力的角度研究提升分割算法精度的方法;研究數(shù)據(jù)驅(qū)動(dòng)的乳腺超聲(Breast Ultrasound,BUS)、肝臟計(jì)算斷層成像(Computed Tomography,CT)、前列腺磁共振(Magnetic Resonance Imaging,MRI)的跨模態(tài)圖像精準(zhǔn)分割算法;調(diào)研分析和驗(yàn)證分割算法在腫瘤診療中的應(yīng)用場(chǎng)景和價(jià)值。本論文研究貢獻(xiàn)及創(chuàng)新點(diǎn)主要包括針對(duì)高噪聲、強(qiáng)度分布不均勻的乳腺腫瘤US圖像,研究了基于邊界約束的主動(dòng)輪廓模型,引入邊界指示算子克服邊緣曲線的吸附能力;提出一種超像素邊界感知的卷積網(wǎng)絡(luò)(SBBS-CNN)實(shí)現(xiàn)肝臟CT全自動(dòng)分割,有效解決了訓(xùn)練樣本不足和容積效應(yīng)導(dǎo)致的目標(biāo)邊界定位不準(zhǔn)確;為克服前列腺M(fèi)RI強(qiáng)度分布不均勻和周圍組織重疊,提出了一種多層級(jí)邊界感知的殘差全卷積網(wǎng)絡(luò)(HBS-RUnet)實(shí)現(xiàn)前列腺組織的準(zhǔn)確分割,并采用多層級(jí)自學(xué)習(xí)策略提升學(xué)習(xí)特征魯棒性和網(wǎng)絡(luò)收斂性能;初步驗(yàn)證了基于級(jí)聯(lián)2.5D殘差全卷積網(wǎng)絡(luò)(2.5D RUNet)的肝段與腫瘤分割在肝腫瘤外科手術(shù)前功能評(píng)估分析應(yīng)用。最后,通過詳細(xì)的實(shí)驗(yàn)對(duì)比分析,本論文所研究的分割算法和模型訓(xùn)練策略方法不僅可以全自動(dòng)、準(zhǔn)確、魯棒和穩(wěn)定的對(duì)組織器官和腫瘤目標(biāo)完成分割和檢測(cè),而且該成果易于擴(kuò)展至其他影像模態(tài)和腫瘤部位,為臨床對(duì)腫瘤疾病的精準(zhǔn)診療提供參考性的技術(shù)方案。
【圖文】：

圖 1.1 醫(yī)學(xué)圖像分割技術(shù)的應(yīng)用1.2 醫(yī)學(xué)影像分割關(guān)鍵技術(shù)問題由于人工對(duì)影像分割不僅耗時(shí)、工作量大、成本高，而且存在觀察者之觀差異性，這種差異性對(duì)腫瘤的診斷、治療風(fēng)險(xiǎn)、治療療效及預(yù)后質(zhì)量有著的影響，給腫瘤患者帶來巨大的傷害。為解決這一難題，目前利用計(jì)算機(jī)信術(shù)對(duì)不同病變部位和不同模態(tài)影像的腫瘤分割已經(jīng)有很多相關(guān)研究工作，國(guó)學(xué)者提出了一系列半自動(dòng)、全自動(dòng)的算法模型，但是由于醫(yī)學(xué)成像物理原理雜性及腫瘤本身在不同模態(tài)圖像上表現(xiàn)異質(zhì)性，目前醫(yī)學(xué)影像分割結(jié)果的準(zhǔn)受到噪聲污染、部分容積效應(yīng)、圖像強(qiáng)度不均勻性等因素的影響，腫瘤影像自動(dòng)分割仍然是個(gè)復(fù)雜和具有挑戰(zhàn)性任務(wù)。從醫(yī)學(xué)影像成像和分析領(lǐng)域權(quán)威學(xué)會(huì)議 International Conference on Medical Image Computing and Computer AssIntervention（MICCAI）和 IEEE International Symposium on Biomedical Ima

基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像分割關(guān)鍵問題研究及其在腫瘤診療中的應(yīng)用.2.2 部分容積效應(yīng)部分容積效應(yīng)是指由于成像設(shè)備有限空間分辨率限制，出現(xiàn)單個(gè)體素包含組織器官類別，使得不同組織器官邊界部分灰度值非常接近而無法分辨組織之間的邊界，從而使得圖像分割任務(wù)非常困難。圖 1.3 所示的不同醫(yī)生對(duì)同臟 CT 腫瘤進(jìn)行勾畫，從圖中我們看到因?yàn)椴糠秩莘e效應(yīng)導(dǎo)致腫瘤邊界無法，不同醫(yī)生對(duì)邊界定義差距性很大，，因?yàn)樾∧[瘤目標(biāo)的體素個(gè)數(shù)占整個(gè)體數(shù)例非常低，很小的邊界誤差也會(huì)對(duì)腫瘤的分析帶來很大的影響[8]。
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付卓;胡吉平;譚衢霖;劉正軍;;遙感應(yīng)用分析中影像分割方法[J];遙感技術(shù)與應(yīng)用;2006年05期

2 徐芳,梅文勝,張志華;航空影像分割的最小二乘支持向量機(jī)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年08期

3 劉少創(chuàng)，林宗堅(jiān);航空影像分割的Snake方法[J];武漢測(cè)繪科技大學(xué)學(xué)報(bào);1995年01期

4 郭海濤;孫磊;申家雙;陳小衛(wèi);張宏偉;;一種四叉樹和測(cè)地線活動(dòng)輪廓模型相結(jié)合的海陸影像分割方法[J];測(cè)繪學(xué)報(bào);2016年01期

5 黃慧萍,吳炳方;基于區(qū)域合并影像分割技術(shù)的多尺度地表景觀分析[J];地理科學(xué)進(jìn)展;2004年03期

6 喬夢(mèng)佳;王宇飛;赫曉慧;郭恒亮;周振紅;;基于影像分割與SVM分類的城市建筑物提取研究[J];信息技術(shù);2018年05期

7 邱雙雙;;基于核模糊c-均值聚類與閾值分割的SAR影像分割算法[J];科技創(chuàng)新與應(yīng)用;2014年35期

8 王麗華;蔣朋睿;王巖;劉強(qiáng);;基于彩色影像分割的航空影像房屋提取方法[J];內(nèi)蒙古科技與經(jīng)濟(jì);2014年09期

9 劉振宇;余潔;謝東海;劉利敏;;應(yīng)用區(qū)域統(tǒng)計(jì)特征的PolSAR影像分割[J];中國(guó)圖象圖形學(xué)報(bào);2014年05期

10 王亞平;馮偉;;基于影像分割的目標(biāo)識(shí)別和地物提取技術(shù)探討[J];測(cè)繪技術(shù)裝備;2018年04期

相關(guān)會(huì)議論文 前7條

1 莫登奎;林輝;;一種穩(wěn)健的高分辨率遙感影像分割方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 王晶;張艷寧;;針對(duì)高分辨率遙感影像分割的改進(jìn)連通域標(biāo)記方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

3 顧娟;張宏偉;;面向?qū)ο蟮木用竦胤诸愄崛『妥兓瘷z測(cè)方法[A];中國(guó)地理信息系統(tǒng)協(xié)會(huì)第四次會(huì)員代表大會(huì)暨第十一屆年會(huì)論文集[C];2007年

4 高永祥;劉偉華;;基于粗糙集與K-均值聚類的多光譜遙感影像分割[A];江蘇省測(cè)繪學(xué)會(huì)2007'學(xué)術(shù)年會(huì)論文集[C];2008年

5 顧娟;;面向?qū)ο蟮木用竦胤诸愄崛『妥兓瘷z測(cè)方法[A];數(shù)字測(cè)繪與GIS技術(shù)應(yīng)用研討交流會(huì)論文集[C];2008年

6 譚玉敏;槐建柱;唐中實(shí);;一種基于區(qū)域鄰接圖的高分辨率遙感影像分割算法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

7 程新文;吳中忠;王子煜;陳秀萬;;基于紋理梯度的高分辨率遙感影像分割[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 秦文健;基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像分割關(guān)鍵問題研究及其在腫瘤診療中的應(yīng)用[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

2 陳榮元;數(shù)據(jù)同化框架下多源影像融合分割及協(xié)同研究[D];武漢大學(xué);2010年

3 熊金鑫;基于區(qū)域分割的多源、多時(shí)相衛(wèi)星遙感影像聯(lián)合匹配方法研究[D];武漢大學(xué);2014年

4 徐川;基于多特征多測(cè)度的光學(xué)與SAR影像自動(dòng)配準(zhǔn)方法研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉宏波;并行MCMC算法的SAR影像分割[D];遼寧工程技術(shù)大學(xué);2016年

2 高郡;結(jié)合區(qū)域和特征的遙感影像分割[D];遼寧工程技術(shù)大學(xué);2017年

3 張英海;基于ECM算法的多視SAR影像分割[D];遼寧工程技術(shù)大學(xué);2017年

4 莆杰藝;基于異質(zhì)性最小準(zhǔn)則的基元合并影像分割方法研究[D];長(zhǎng)安大學(xué);2013年

5 袁秀華;高分辨率遙感影像分割研究[D];江西理工大學(xué);2014年

6 王博;基于高分辨率影像的改進(jìn)分水嶺算法影像分割參數(shù)優(yōu)選研究[D];蘭州大學(xué);2013年

7 楊慕藝;基于3D slicer的醫(yī)學(xué)影像分割算法及其應(yīng)用研究[D];新鄉(xiāng)醫(yī)學(xué)院;2017年

8 劉榮杰;基于凝聚層次聚類的高分辨率遙感影像分割算法研究[D];青島大學(xué);2008年

9 劉玲玲;CT/MRI醫(yī)學(xué)影像分割算法研究[D];天津醫(yī)科大學(xué);2013年

10 張愛竹;基于智能優(yōu)化算法的高分辨率震害影像分割[D];中國(guó)石油大學(xué)(華東);2014年

本文編號(hào)：2640716