基于深度學(xué)習(xí)的心臟醫(yī)學(xué)圖像分割方法研究
發(fā)布時(shí)間:2021-04-22 08:13
近年來,世界范圍內(nèi)與心血管疾病有關(guān)的死亡率和發(fā)病率持續(xù)增加。在包括中國在內(nèi)的許多國家,此類疾病已經(jīng)成為人口死亡的主要原因。心臟疾病的早期定量診斷和風(fēng)險(xiǎn)評(píng)估,對(duì)于預(yù)防猝死和改善患者生活質(zhì)量至關(guān)重要。臨床上應(yīng)用計(jì)算機(jī)斷層掃描(CT),磁共振成像(MRI)和其他成像技術(shù)進(jìn)行心臟成像。雖然,對(duì)心臟圖像的人工手動(dòng)分割可以產(chǎn)生較為精確的分割結(jié)果,但人工分割重復(fù)性差且過程十分費(fèi)時(shí)。除此之外,手動(dòng)分割無法處理大量的成像數(shù)據(jù)以對(duì)心臟疾病進(jìn)行定量診斷。基于上述手動(dòng)分割的限制,研究人員在心臟圖像分析方面對(duì)半自動(dòng)或全自動(dòng)分割方法進(jìn)行了大量的研究。然而,復(fù)雜的心臟結(jié)構(gòu)、模糊的子結(jié)構(gòu)邊界以及圖像采集過程中由于心臟搏動(dòng)而產(chǎn)生的運(yùn)動(dòng)偽影和噪聲等限制,使得心臟結(jié)構(gòu)的準(zhǔn)確定位和分割十分困難。因此,對(duì)心臟的準(zhǔn)確分割仍然十分具有挑戰(zhàn)性。全心臟分割是指對(duì)心臟子結(jié)構(gòu)的體積和形狀的提取。心臟子結(jié)構(gòu)具體包括四個(gè)腔室(左心室、右心室、左心房、右心房)、左心室心肌層以及大血管(升主動(dòng)脈、肺動(dòng)脈)。本文針對(duì)CT心臟醫(yī)學(xué)圖像,結(jié)合使用深度學(xué)習(xí)方法,對(duì)全心臟分割進(jìn)行實(shí)驗(yàn)研究,提出基于3D ML-UN網(wǎng)絡(luò)和3D DML-UN級(jí)聯(lián)網(wǎng)絡(luò)的心臟分割方...
【文章來源】:武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)
1.3 論文研究?jī)?nèi)容與章節(jié)安排
1.3.1 論文研究?jī)?nèi)容
1.3.2 論文章節(jié)安排
第二章 醫(yī)學(xué)圖像分割方法概述
2.1 引言
2.2 經(jīng)典圖像分割方法
2.2.1 曲面模型
2.2.2 可變模型
2.2.3 統(tǒng)計(jì)模型
2.3 基于深度學(xué)習(xí)的圖像分割方法
2.3.1 深度學(xué)習(xí)概述
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3.3 全卷積神經(jīng)網(wǎng)絡(luò)
2.3.4 U-net
2.4 本章小結(jié)
第三章 圖像預(yù)處理與基于3D U-net的ROI檢測(cè)
3.1 引言
3.2 MM-WHS 2017數(shù)據(jù)簡(jiǎn)介與分析
3.3 MM-WHS 2017數(shù)據(jù)預(yù)處理
3.3.1 標(biāo)簽數(shù)據(jù)預(yù)處理
3.3.2 原始數(shù)據(jù)預(yù)處理
3.4 基于3D U-net的心臟醫(yī)學(xué)圖像ROI檢測(cè)
3.4.1 數(shù)據(jù)處理與增強(qiáng)
3.4.2 改進(jìn)的3D U-net ROI檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)
3.4.3 實(shí)驗(yàn)結(jié)果
3.5 本章小結(jié)
第四章 多損失網(wǎng)絡(luò)的全心臟醫(yī)學(xué)圖像分割
4.1 引言
4.2 基于3D ML-UN的全心臟醫(yī)學(xué)圖像分割網(wǎng)絡(luò)
4.2.1 數(shù)據(jù)處理與增強(qiáng)
4.2.2 3D ML-UN網(wǎng)絡(luò)結(jié)構(gòu)
4.2.3 實(shí)驗(yàn)結(jié)果與分析
4.3 基于3D DML-UN的全心臟醫(yī)學(xué)圖像級(jí)聯(lián)分割網(wǎng)絡(luò)
4.3.1 級(jí)聯(lián)分割網(wǎng)絡(luò)結(jié)構(gòu)
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文工作總結(jié)
5.2 后續(xù)工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參與的科研項(xiàng)目
致謝
【參考文獻(xiàn)】:
期刊論文
[1]《中國心血管病報(bào)告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2017(06)
本文編號(hào):3153445
【文章來源】:武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)
1.3 論文研究?jī)?nèi)容與章節(jié)安排
1.3.1 論文研究?jī)?nèi)容
1.3.2 論文章節(jié)安排
第二章 醫(yī)學(xué)圖像分割方法概述
2.1 引言
2.2 經(jīng)典圖像分割方法
2.2.1 曲面模型
2.2.2 可變模型
2.2.3 統(tǒng)計(jì)模型
2.3 基于深度學(xué)習(xí)的圖像分割方法
2.3.1 深度學(xué)習(xí)概述
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3.3 全卷積神經(jīng)網(wǎng)絡(luò)
2.3.4 U-net
2.4 本章小結(jié)
第三章 圖像預(yù)處理與基于3D U-net的ROI檢測(cè)
3.1 引言
3.2 MM-WHS 2017數(shù)據(jù)簡(jiǎn)介與分析
3.3 MM-WHS 2017數(shù)據(jù)預(yù)處理
3.3.1 標(biāo)簽數(shù)據(jù)預(yù)處理
3.3.2 原始數(shù)據(jù)預(yù)處理
3.4 基于3D U-net的心臟醫(yī)學(xué)圖像ROI檢測(cè)
3.4.1 數(shù)據(jù)處理與增強(qiáng)
3.4.2 改進(jìn)的3D U-net ROI檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)
3.4.3 實(shí)驗(yàn)結(jié)果
3.5 本章小結(jié)
第四章 多損失網(wǎng)絡(luò)的全心臟醫(yī)學(xué)圖像分割
4.1 引言
4.2 基于3D ML-UN的全心臟醫(yī)學(xué)圖像分割網(wǎng)絡(luò)
4.2.1 數(shù)據(jù)處理與增強(qiáng)
4.2.2 3D ML-UN網(wǎng)絡(luò)結(jié)構(gòu)
4.2.3 實(shí)驗(yàn)結(jié)果與分析
4.3 基于3D DML-UN的全心臟醫(yī)學(xué)圖像級(jí)聯(lián)分割網(wǎng)絡(luò)
4.3.1 級(jí)聯(lián)分割網(wǎng)絡(luò)結(jié)構(gòu)
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文工作總結(jié)
5.2 后續(xù)工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參與的科研項(xiàng)目
致謝
【參考文獻(xiàn)】:
期刊論文
[1]《中國心血管病報(bào)告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2017(06)
本文編號(hào):3153445
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3153445.html
最近更新
教材專著