X光胸片是肺部疾病檢測的重要手段,隨著肺部疾病發(fā)病率的逐年上升,計算機(jī)輔助診斷技術(shù)用于臨床治療具有非常重要的意義。然而,X光胸片圖像普遍存在肺野邊界不清晰、組織間干擾嚴(yán)重的圖像質(zhì)量問題,對肺部組織分割帶來很大困難。利用計算機(jī)輔助診斷的方式識別胸片圖像成為了一個熱門的研究方向和重要的趨勢,可以緩解區(qū)域醫(yī)療水平參差不齊的現(xiàn)狀。隨著深度學(xué)習(xí)在圖像處理領(lǐng)域取得了重要突破,語義分割技術(shù)從連續(xù)的傳統(tǒng)卷積構(gòu)成的FCN到空洞卷積構(gòu)成的Deeplab,在復(fù)雜場景中都取得了優(yōu)異的分割性能。使用深度學(xué)習(xí)的方法分割肺部組織,不僅可以解決傳統(tǒng)圖像分割方法遇到的局部收斂問題,還能改善區(qū)域分割準(zhǔn)確性。本文依托于塵肺病分類檢測的科研項目,以肺部組織分割作為該項目的工作之一。本文的主要研究內(nèi)容分別是,在總結(jié)傳統(tǒng)圖像分割方法分割肺部組織不足的基礎(chǔ)上,通過改進(jìn)的FCN和Deeplabv3+來實現(xiàn)肺部組織的分割。具體內(nèi)容有:(1)總結(jié)傳統(tǒng)圖像分割算法分割肺部組織的不足。在傳統(tǒng)圖像分割算法中最具代表性的主要有閾值法、圖割法、Snake模型和主動形狀模型(ASM)。通過實現(xiàn)上述算法,對比分割準(zhǔn)確率和可視化結(jié)果,總結(jié)傳統(tǒng)圖像分割算法分割肺部組織時的優(yōu)缺點,并在算法基礎(chǔ)上嘗試改進(jìn)。(2)提出了一種改進(jìn)的FCN分割肺部組織的深度學(xué)習(xí)方法。將全連接層替換為卷積層的操作,實現(xiàn)了 CNN圖像級分類到FCN像素級分類的過渡。在改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)中,通過添加L2正則化,解決了訓(xùn)練過程中l(wèi)oss震蕩的問題;通過數(shù)據(jù)裁剪去除圖像中黑色像素塊的方式,解決了分割結(jié)果的假陽性問題并提高了分割準(zhǔn)確率;為了獲得更好的分割細(xì)節(jié),在訓(xùn)練時,先后使用32倍上采樣和16倍上采樣模型作為預(yù)訓(xùn)練模型得到最終的8倍上采樣模型。通過改進(jìn)模型的訓(xùn)練方式,分割目標(biāo)的MIoU可以提升到90.5%。(3)提出了一種改進(jìn)的Deeplabv3+網(wǎng)絡(luò)分割肺部組織的深度學(xué)習(xí)方法。在該方法中,將傳統(tǒng)卷積替換為可以獲得更大感受野范圍的空洞卷積,并在FCN對語義特征信息上采樣的基礎(chǔ)上,融合語義特征信息和多尺度特征信息。在上采樣結(jié)構(gòu)中,Xception網(wǎng)絡(luò)不僅完善了邊界信息,還優(yōu)化了內(nèi)存效率。通過調(diào)整圖像的裁剪尺寸和采樣率組合,在公開數(shù)據(jù)集上取得了 95.3%的MIoU。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18;R816.4
【部分圖文】：

但依然有其局限性和缺點，包括：（１）由于高對比度和強(qiáng)肋骨邊界，導(dǎo)致邊界收??斂在圖像的局部最小值，（２）分割性能依賴于初始模型與目標(biāo)輪廓的相似度，（３）??過多參數(shù)產(chǎn)生多種可變解。圖１－１描述了使用傳統(tǒng)圖像分割方法進(jìn)行肺部組織分割??的流程。??＾＞?；?ＩＩＩ?｜??圖Ｍ傳統(tǒng)圖像分割流程圖??Ｆｉｇｕｒｅ?１－１?Ｔｒａｄｉｔｉｏｎａｌ?ｉｍａｇｅ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ??目前基于深度學(xué)習(xí)的分割方法主要包括：Ｕ－Ｎｅｔ［ｌ５］、ＳＣＡＮ［１７１。深度學(xué)習(xí)算法??分割肺部組織時是對像素的分類，卷積計算可以提取豐富的語義特征信息，空洞??卷積［１８］可以增大感受野范圍，空間金字塔結(jié)構(gòu)［１９］可以提取多尺度特征信息，條件??隨機(jī)場［２（）］可以減小假陽性和假陰性概率。圖１－２代表了使用深度學(xué)習(xí)的方法進(jìn)行??肺部組織分割的流程。??２??

為了解決復(fù)雜場景中的目標(biāo)分割，產(chǎn)生了一些改進(jìn)的閾值分割算法，常見的??閾值法主要有以下７種：Ｏｔｓｕ算法（最大類間方差法）、最大熵閾值法、基本全??局閾值法、自適應(yīng)閾值法、上下閾值法、迭代法、大津法。圖２－３分別列出了使用??這些方法得到的分割結(jié)果。??ｍｍ??（ａ）ｏｔｓｕ閾值法?（ｂ）自適應(yīng)閾值法?（ｃ）大津法??（ｄ）最大熵閾值法?（ｅ）基本全局閾值法?（ｆ）迭代法??圖２－３改進(jìn)的閾值法分割結(jié)果圖??Ｆｉｇｕｒｅ?２－３?Ｉｍｐｒｏｖｅｄ?ｔｈｒｅｓｈｏｌｄ?ｍｅｔｈｏｄ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔ?ｇｒａｐｈ??肺部組織分割是二分類問題，基于閾值的方法，其優(yōu)點在于實現(xiàn)簡單、高效。??但是，閾值法的局限性很大，在圖像灰度直方圖比較平緩時，很難通過閾值法分??割出目標(biāo)。通過復(fù)現(xiàn)閾值法分割肺部組織的結(jié)果可以看出，當(dāng)Ｘ光胸片的曝光率??較低，胸片的目標(biāo)和背景有較大的灰度值差異時，有較好的分割效果。其次，由??８??

?（ｅ）Ｔ＝１２５?（ｆ）Ｔ＝１５０??圖２－２閾值分割結(jié)果圖??Ｆｉｇｕｒｅ?２－２?Ｔｈｒｅｓｈｏｌｄ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔ?ｇｒａｐｈ??當(dāng)目標(biāo)和背景的灰度值差距明顯時，可以直接通過設(shè)定閾值來分割目標(biāo)和背??景。為了解決復(fù)雜場景中的目標(biāo)分割，產(chǎn)生了一些改進(jìn)的閾值分割算法，常見的??閾值法主要有以下７種：Ｏｔｓｕ算法（最大類間方差法）、最大熵閾值法、基本全??局閾值法、自適應(yīng)閾值法、上下閾值法、迭代法、大津法。圖２－３分別列出了使用??這些方法得到的分割結(jié)果。??ｍｍ??（ａ）ｏｔｓｕ閾值法?（ｂ）自適應(yīng)閾值法?（ｃ）大津法??（ｄ）最大熵閾值法?（ｅ）基本全局閾值法?（ｆ）迭代法??圖２－３改進(jìn)的閾值法分割結(jié)果圖??Ｆｉｇｕｒｅ?２－３?Ｉｍｐｒｏｖｅｄ?ｔｈｒｅｓｈｏｌｄ?ｍｅｔｈｏｄ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔ?ｇｒａｐｈ??肺部組織分割是二分類問題，基于閾值的方法，其優(yōu)點在于實現(xiàn)簡單、高效。??但是，閾值法的局限性很大，在圖像灰度直方圖比較平緩時，很難通過閾值法分??割出目標(biāo)。通過復(fù)現(xiàn)閾值法分割肺部組織的結(jié)果可以看出，當(dāng)Ｘ光胸片的曝光率??較低，胸片的目標(biāo)和背景有較大的灰度值差異時，有較好的分割效果。其次，由??８??
【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 劉炎;X光胸片圖像分割和特征識別技術(shù)研究[D];大連理工大學(xué);2007年

本文編號：2874612