心臟MRI是評估心血管系統(tǒng)功能和結構常用的手段,心臟分割是計算心臟臨床指標（射血分數(shù)、左右心室體積、每搏量等）的重要一步。目前,醫(yī)生需要對每個患者的每張切片進行手動分割,但是手動分割既費時又是簡單重復的體力勞動,且依賴于醫(yī)生的經驗。由于心臟的形狀各異,病理特征千差萬別,基于傳統(tǒng)圖像分割方法如像素分類、隨機樹等方法分割準確度低且適用范圍有限;現(xiàn)有的基于深度學習的方法大多數(shù)只分割的是左心室或右心室,而同時分割左右心室的方法分割精度還有待提高。因此心臟MRI分割仍然是醫(yī)學圖像處理領域的研究難點和重點。本文所用的數(shù)據庫為MICCAI 2017的ACDC數(shù)據庫,一共包括150個病例,按病理分為五類,分別是擴張型心肌病、肥厚型心肌病、伴有梗塞心力衰竭、右心室異常以及正常人。在本文工作中,首先提出了基于YOLO的心臟目標檢測網絡,并根據MRI不同切片之間的連續(xù)性對邊界框進行校正;其次,提出了一種基于全卷積網絡（Fully Convolutional Network,FCN）的心臟MRI雙心室自動分割方法,同時對左心室腔、左心室心肌、右心室進行分割,全卷積網絡可以充分利用醫(yī)學圖像像素間空間和結構信息,... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

卷積過程

在逐像素預測比如圖像分割[71]以及圖像生成寸空間的預測，而卷積池化之后圖像尺寸變樣從而還原到原始圖像尺寸。函數(shù)數(shù)有 Sigmoid、線性整流函數(shù)（Rectified Linea函數(shù)等，激活函數(shù)及其優(yōu)缺點總結如下。 函數(shù)圖 2.7 所示，函數(shù)曲線是“S”型，公式定義函數(shù)連續(xù)可求導，且在每一個點都有一個非負1( )1xf xe f ( x ) f ( x )(1 f ( x))

且處處可導。點：過飽和導致梯度消失問題。如圖 2.7 所示，當 x 的函數(shù)值幾乎接近 0 或 1，其導數(shù)幾乎為 0。在反向參數(shù)進行調優(yōu)。函數(shù)的輸出不是以 0 為中心。 Hahnloser[5]引入神經網絡中，隨后其解釋了 ReL數(shù)學證明。ReLU 的公式定義如(2-6)，導數(shù)公式f ( x ) x max(0, x) 1 0( )0xf xotherwise

【參考文獻】：
期刊論文
[1]基于深度學習的疾病診斷[J]. 陸家發(fā),張國明,陳安琪.  醫(yī)學信息學雜志. 2017(04)



本文編號：3127125