心臟MRI是評(píng)估心血管系統(tǒng)功能和結(jié)構(gòu)常用的手段,心臟分割是計(jì)算心臟臨床指標(biāo)（射血分?jǐn)?shù)、左右心室體積、每搏量等）的重要一步。目前,醫(yī)生需要對(duì)每個(gè)患者的每張切片進(jìn)行手動(dòng)分割,但是手動(dòng)分割既費(fèi)時(shí)又是簡(jiǎn)單重復(fù)的體力勞動(dòng),且依賴于醫(yī)生的經(jīng)驗(yàn)。由于心臟的形狀各異,病理特征千差萬(wàn)別,基于傳統(tǒng)圖像分割方法如像素分類、隨機(jī)樹等方法分割準(zhǔn)確度低且適用范圍有限;現(xiàn)有的基于深度學(xué)習(xí)的方法大多數(shù)只分割的是左心室或右心室,而同時(shí)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(xué)圖像處理領(lǐng)域的研究難點(diǎn)和重點(diǎn)。本文所用的數(shù)據(jù)庫(kù)為MICCAI 2017的ACDC數(shù)據(jù)庫(kù),一共包括150個(gè)病例,按病理分為五類,分別是擴(kuò)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(biāo)檢測(cè)網(wǎng)絡(luò),并根據(jù)MRI不同切片之間的連續(xù)性對(duì)邊界框進(jìn)行校正;其次,提出了一種基于全卷積網(wǎng)絡(luò)（Fully Convolutional Network,FCN）的心臟MRI雙心室自動(dòng)分割方法,同時(shí)對(duì)左心室腔、左心室心肌、右心室進(jìn)行分割,全卷積網(wǎng)絡(luò)可以充分利用醫(yī)學(xué)圖像像素間空間和結(jié)構(gòu)信息,... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積過(guò)程

在逐像素預(yù)測(cè)比如圖像分割[71]以及圖像生成寸空間的預(yù)測(cè)，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(diǎn)總結(jié)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(dǎo)，且在每一個(gè)點(diǎn)都有一個(gè)非負(fù)1( )1xf xe f ( x ) f ( x )(1 f ( x))

且處處可導(dǎo)。點(diǎn)：過(guò)飽和導(dǎo)致梯度消失問(wèn)題。如圖 2.7 所示，當(dāng) x 的函數(shù)值幾乎接近 0 或 1，其導(dǎo)數(shù)幾乎為 0。在反向參數(shù)進(jìn)行調(diào)優(yōu)。函數(shù)的輸出不是以 0 為中心。 Hahnloser[5]引入神經(jīng)網(wǎng)絡(luò)中，隨后其解釋了 ReL數(shù)學(xué)證明。ReLU 的公式定義如(2-6)，導(dǎo)數(shù)公式f ( x ) x max(0, x) 1 0( )0xf xotherwise

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的疾病診斷[J]. 陸家發(fā),張國(guó)明,陳安琪.  醫(yī)學(xué)信息學(xué)雜志. 2017(04)



本文編號(hào)：3127125