天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當前位置:主頁 > 科技論文 > 自動化論文 >

基于深度學習的左心室腔體容積分析系統(tǒng)設計與實現

發(fā)布時間:2021-01-25 10:33
  心血管疾病已經成為全世界人口死亡的主要原因。在心血管疾病的臨床診斷領域,醫(yī)學圖像的處理和分析對疾病的診斷起到重要作用。本論文的研究內容是基于心臟核磁共振(MRI)圖像,利用深度學習完成左心室的分割以及左心室的容積預測,為心臟相關疾病診斷提供更加準確的參考。本文的主要內容是利用深度學習技術實現左心室腔體容積的預測,并進行Web系統(tǒng)的設計與實現。針對此任務,本文提出兩種方法,一種方法以U-net網絡為基礎,加入LSTM(長短期記憶網絡)將心室短軸MRI切片的空間信息聯(lián)系起來實現左心室分割,而后再進行容積計算,本方法達到了左心室分割及左心室容積預測的要求;另一種方法首先使用多尺度圖譜匹配法實現左心室區(qū)域準確定位,然后用三維卷積神經網絡實現左心室容積預測,實驗結果表明此方法的左心室容積預測誤差明顯低于二維卷積神經網絡的誤差。最后利用Flask技術開發(fā)了左心室腔體容積分析系統(tǒng)。系統(tǒng)利用本文提出的算法為用戶提供左心室分割、左心室容積預測等功能,支持用戶自行上傳數據進行相關分析并填寫相應診斷意見,具有較高的正確性及較好的易用性。 

【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】:62 頁

【學位級別】:碩士

【部分圖文】:

基于深度學習的左心室腔體容積分析系統(tǒng)設計與實現


心室結構示意圖

MRI圖像,心臟,短軸,心室


哈爾濱工業(yè)大學工程碩士學位論文-3-圖1-1心室結構示意圖圖1-2心臟短軸MRI圖像心臟運動是具有周期性的運行,心臟每收縮一次和舒張一次構成一個心動周期,核磁共振儀器掃描時按照完整的心動周期進行掃描,即從舒張末期到收縮末期到舒張末期的整個心動周期。在心動周期中,心室是泵血的主要承擔者,所以心動周期主要是指心室的活動周期[6]。對空間序列上的心室圖像在一個心動周期中的若干采樣分析,得到整個心動周期左心室的真實運動和形變,可以為臨床診斷提供科學依據[7]。目前的心室定量分析大多聚焦于心臟心動周期中的某兩個特定狀態(tài),即舒張末期和收縮末期。在心動周期中,左心室容積隨著心室的收縮、舒張動態(tài)變化,一個心動周期內的左心室容量變化示意圖如圖1-3所示,圖中橫軸為時間,縱軸為左心室容量,EDV為左心室舒張末期容積,ESV為左心室收縮末期容積。

示意圖,心室,容量,示意圖


哈爾濱工業(yè)大學工程碩士學位論文-4-圖1-3左心室容量變化示意圖心動周期中的左心室壓力與左心室容量關系示意圖如圖1-4所示,圖中橫軸為左心室容量,縱軸為左心室壓力,ABCD點代表四個典型時期,環(huán)內面積代表每搏功即心室一次射血所需作功量,垂直橫軸的時期為等容收縮期/等容舒張期,舒張末期容積與收縮末期容積的水平距離為每搏輸出量,即左心室在收縮期射出的血容量。圖內AB段為心室等容收縮期,心室收縮導致室內壓迅速增加,室內血向心房倒流推動房室瓣關閉,但是這時室內壓仍舊低于動脈內壓,動脈瓣處于閉合狀態(tài)不變,由于房室瓣、動脈瓣關閉,心室成為封閉腔,心室收縮但容積不變。而后進入射血期即圖內BC段,包括快速射血期和減慢射血期,心室肌繼續(xù)收縮室內壓持續(xù)增加,當室內壓高到大于主動脈壓時半月瓣開放,快速射血至動脈內,心室繼續(xù)收縮,室內壓增加到最大。快速射血后由于已經射出了大量血液,心室肌收縮力減小,室內壓下降,射血的速度減慢,此時室內壓雖已略低于大動脈內壓,但由于射出的血液具有較大的動能,所以能夠繼續(xù)流向動脈,心室容積繼續(xù)減校收縮期結束后停止射血,心室舒張開始,室內壓迅速下降,當室內壓低于大動脈內壓時,動脈內血向心室倒流,致使半月瓣關閉,但是這時室內壓仍然高于房內壓,房室瓣處于閉合的狀態(tài)不變,由于房室瓣和動脈瓣關閉,心室成為封閉腔,舒張但心室容積不變,為等容舒張期即圖內CD段。而后進入充盈期即圖內DA段,此階段分為快速充盈期和減慢充盈期,心室肌繼續(xù)舒張,室內壓持續(xù)下降,當室內壓降低到小于房內壓時,房室瓣開放,血液迅速充盈心室,心室肌繼續(xù)舒張,室內壓更低于房內壓,甚至形成負壓,心房內的血被心室抽吸進心室,心室容積迅速增大。由于心室內不斷有血液充盈,心室與心

【參考文獻】:
期刊論文
[1]結合候選區(qū)域距離度量學習與CNN分類回歸聯(lián)合的左心室檢測[J]. 王旭初,翟隨強,牛彥敏,葛永新.  計算機輔助設計與圖形學學報. 2019(03)
[2]基于MRI圖像的左心室分割方法研究現狀與發(fā)展[J]. 周欽,阿都建華,尹立雪,張紅梅,崔威,曾強.  計算機工程與應用. 2019(02)
[3]融合候選區(qū)域提取與SSAE深度特征學習的心臟MR圖像左心室檢測[J]. 王旭初,牛彥敏,趙廣軍,譚立文,張紹祥.  計算機輔助設計與圖形學學報. 2018(03)
[4]圖譜法腦部MRI圖像自動分割技術發(fā)展及應用[J]. 何小海,梁子飛,唐曉穎,滕奇志.  數據采集與處理. 2015(05)
[5]一種基于廣義梯度矢量流Snake模型的心臟MR圖像分割方法[J]. 武玉偉,梁佳,王元全.  中國圖象圖形學報. 2010(04)
[6]基于GVF模型與光流場的左心室容積計算[J]. 魏宇,楊曉梅,黃山.  計算機應用. 2009(12)
[7]MR相位對比法和形態(tài)體積分析法評價心室功能的比較研究[J]. 閆鐘鈺,李坤成,李永忠,周懷琪,杜富會.  中華放射學雜志. 2005(03)

博士論文
[1]圖像分割若干理論方法及應用研究[D]. 陳強.南京理工大學 2007

碩士論文
[1]基于編解碼結構的全心臟CT圖像分割[D]. 葉承欽.哈爾濱工業(yè)大學 2019
[2]基于深度學習的心室分割系統(tǒng)設計與實現[D]. 閆聰.哈爾濱工業(yè)大學 2018



本文編號:2999078

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2999078.html


Copyright(c)文論論文網All Rights Reserved | 網站地圖 |

版權申明:資料由用戶8ecd2***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com