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險評估,對于預防猝死和改善患者生活質(zhì)量至關(guān)重要。臨床上應用計算機斷層掃描（CT）,磁共振成像（MRI）和其他成像技術(shù)進行心臟成像。雖然,對心臟圖像的人工手動分割可以產(chǎn)生較為精確的分割結(jié)果,但人工分割重復性差且過程十分費時。除此之外,手動分割無法處理大量的成像數(shù)據(jù)以對心臟疾病進行定量診斷�；谏鲜鍪謩臃指畹南拗�,研究人員在心臟圖像分析方面對半自動或全自動分割方法進行了大量的研究。然而,復雜的心臟結(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而產(chǎn)生的運動偽影和噪聲等限制,使得心臟結(jié)構(gòu)的準確定位和分割十分困難。因此,對心臟的準確分割仍然十分具有挑戰(zhàn)性。全心臟分割是指對心臟子結(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（升主動脈、肺動脈）。本文針對CT心臟醫(yī)學圖像,結(jié)合使用深度學習方法,對全心臟分割進行實驗研究,提出基于3D ML-UN網(wǎng)絡和3D DML-UN級聯(lián)網(wǎng)絡的心臟分割方... 

【文章來源】：武漢大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：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
    1.3 論文研究內(nèi)容與章節(jié)安排
        1.3.1 論文研究內(nèi)容
        1.3.2 論文章節(jié)安排
第二章 醫(yī)學圖像分割方法概述
    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)計模型
    2.3 基于深度學習的圖像分割方法
        2.3.1 深度學習概述
        2.3.2 卷積神經(jīng)網(wǎng)絡
        2.3.3 全卷積神經(jīng)網(wǎng)絡
        2.3.4 U-net
    2.4 本章小結(jié)
第三章 圖像預處理與基于3D U-net的ROI檢測
    3.1 引言
    3.2 MM-WHS 2017數(shù)據(jù)簡介與分析
    3.3 MM-WHS 2017數(shù)據(jù)預處理
        3.3.1 標簽數(shù)據(jù)預處理
        3.3.2 原始數(shù)據(jù)預處理
    3.4 基于3D U-net的心臟醫(yī)學圖像ROI檢測
        3.4.1 數(shù)據(jù)處理與增強
        3.4.2 改進的3D U-net ROI檢測網(wǎng)絡結(jié)構(gòu)
        3.4.3 實驗結(jié)果
    3.5 本章小結(jié)
第四章 多損失網(wǎng)絡的全心臟醫(yī)學圖像分割
    4.1 引言
    4.2 基于3D ML-UN的全心臟醫(yī)學圖像分割網(wǎng)絡
        4.2.1 數(shù)據(jù)處理與增強
        4.2.2 3D ML-UN網(wǎng)絡結(jié)構(gòu)
        4.2.3 實驗結(jié)果與分析
    4.3 基于3D DML-UN的全心臟醫(yī)學圖像級聯(lián)分割網(wǎng)絡
        4.3.1 級聯(lián)分割網(wǎng)絡結(jié)構(gòu)
        4.3.2 實驗結(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
附錄1 攻讀碩士學位期間發(fā)表的論文
附錄2 攻讀碩士學位期間參與的科研項目
致謝


【參考文獻】：
期刊論文
[1]《中國心血管病報告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,楊躍進,鄭哲,蔣立新,胡盛壽.  中國循環(huán)雜志. 2017(06)



本文編號：3153445