基于深度全卷積神經(jīng)網(wǎng)絡(luò)的頭頸部CT中放療危及器官分割方法研究
發(fā)布時間:2021-10-14 21:40
目前放射治療方法在頭頸部腫瘤的治療中得到了廣泛的應(yīng)用。放療醫(yī)師需要在CT上分割出受保護的危及器官來減少射線對健康組織的損傷。手工分割雖然較為精確,但依賴于經(jīng)驗且低效。目前出現(xiàn)了一些半自動分割和全自動分割的方法,但存在一定局限性。由于深度學(xué)習(xí)在圖像分割領(lǐng)域取得了很大的成功,為頭頸部CT中放療危及器官的自動分割提供了新的解決方案,研究基于深度全卷積神經(jīng)網(wǎng)絡(luò)的自動分割方法具有一定的研究價值與實際意義。本文基于深圳醫(yī)諾智能科技發(fā)展有限公司的放療智能分割系統(tǒng)的建設(shè)需求,研究基于深度全卷積神經(jīng)網(wǎng)絡(luò)的頭頸部CT中放療危及器官的分割方法,并實現(xiàn)自動分割服務(wù)與管理子系統(tǒng),為放療醫(yī)師提供方便和可靠的自動化分割工具。本論文主要內(nèi)容包括以下幾個方面:1.提出基于2D全卷積神經(jīng)網(wǎng)絡(luò)頭頸器官分割優(yōu)化方法:引入批量標(biāo)準(zhǔn)化層來解決數(shù)據(jù)分布不一致的問題;采用通道注意力機制來強化重要的特征;提出新的損失函數(shù)來解決類不平衡問題。2.提出基于2D和3D結(jié)合的全卷積神經(jīng)網(wǎng)絡(luò)頭頸器官分割方法:提出一種新的網(wǎng)絡(luò)結(jié)構(gòu),結(jié)合2D和3D操作來同時學(xué)習(xí)器官邊緣特征和語義特征;提出新的3D高分辨率操作模塊來避免多次池化造成小器官特征的丟失。...
【文章來源】:中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院)廣東省
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【部分圖文】:
LeNet的網(wǎng)絡(luò)結(jié)構(gòu)圖
圖 2.2 全連接層示意圖資料來源:https://www.jianshu.com/p/88bb976ccbd9人眼在識別圖像時,往往是從局部到全局,圖像間局緊密,因此不需要神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點都掌握全種機制,使得每一個輸出節(jié)點只與前一層的一部分征。卷積層中定義了一系列濾波器,用于提取不同濾波器是共享的,因此跟全連接層相比大大降低了全連接層一樣,也是可以學(xué)習(xí)的,如圖 2.3 所示。
圖 2.2 全連接層示意圖資料來源:https://www.jianshu.com/p/88bb976ccbd9人眼在識別圖像時,往往是從局部到全局,圖像間局太緊密,因此不需要神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點都掌握全局這種機制,使得每一個輸出節(jié)點只與前一層的一部分節(jié)特征。卷積層中定義了一系列濾波器,用于提取不同的的濾波器是共享的,因此跟全連接層相比大大降低了參跟全連接層一樣,也是可以學(xué)習(xí)的,如圖 2.3 所示。
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)據(jù)增強的卷積神經(jīng)網(wǎng)絡(luò)圖像識別研究[J]. 高友文,周本君,胡曉飛. 計算機技術(shù)與發(fā)展. 2018(08)
[2]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動勾畫放療危及器官[J]. 門闊,戴建榮. 中國醫(yī)學(xué)物理學(xué)雜志. 2018(03)
[3]結(jié)合全局與局部池化的深度哈希人臉識別算法[J]. 曾燕,陳岳林,蔡曉東. 西安電子科技大學(xué)學(xué)報. 2018(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的隨機梯度下降算法[J]. 王功鵬,段萌,牛常勇. 計算機工程與設(shè)計. 2018(02)
[5]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維. 傳感器與微系統(tǒng). 2018(02)
[6]深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別算法中的研究與實現(xiàn)[J]. 韓星爍,林偉. 微型機與應(yīng)用. 2017(21)
[7]卷積神經(jīng)網(wǎng)絡(luò)概述[J]. 侯宇昆. 中國新通信. 2017(09)
[8]深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀[J]. 胡聰叢,胡桓. 電子技術(shù)與軟件工程. 2017(04)
[9]基于活動輪廓模型的圖像分割算法綜述[J]. 段丁娜,張歡,邱陳輝,夏順仁. 中國生物醫(yī)學(xué)工程學(xué)報. 2015(04)
[10]Python最新Web編程框架Flask研究[J]. 葉鋒. 電腦編程技巧與維護. 2015(15)
碩士論文
[1]基于ActiveMQ的消息中間件的設(shè)計與實現(xiàn)[D]. 汪然.西安電子科技大學(xué) 2013
[2]關(guān)于樸素貝葉斯分類算法的改進[D]. 李方.重慶大學(xué) 2009
本文編號:3436859
【文章來源】:中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院)廣東省
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【部分圖文】:
LeNet的網(wǎng)絡(luò)結(jié)構(gòu)圖
圖 2.2 全連接層示意圖資料來源:https://www.jianshu.com/p/88bb976ccbd9人眼在識別圖像時,往往是從局部到全局,圖像間局緊密,因此不需要神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點都掌握全種機制,使得每一個輸出節(jié)點只與前一層的一部分征。卷積層中定義了一系列濾波器,用于提取不同濾波器是共享的,因此跟全連接層相比大大降低了全連接層一樣,也是可以學(xué)習(xí)的,如圖 2.3 所示。
圖 2.2 全連接層示意圖資料來源:https://www.jianshu.com/p/88bb976ccbd9人眼在識別圖像時,往往是從局部到全局,圖像間局太緊密,因此不需要神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點都掌握全局這種機制,使得每一個輸出節(jié)點只與前一層的一部分節(jié)特征。卷積層中定義了一系列濾波器,用于提取不同的的濾波器是共享的,因此跟全連接層相比大大降低了參跟全連接層一樣,也是可以學(xué)習(xí)的,如圖 2.3 所示。
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)據(jù)增強的卷積神經(jīng)網(wǎng)絡(luò)圖像識別研究[J]. 高友文,周本君,胡曉飛. 計算機技術(shù)與發(fā)展. 2018(08)
[2]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動勾畫放療危及器官[J]. 門闊,戴建榮. 中國醫(yī)學(xué)物理學(xué)雜志. 2018(03)
[3]結(jié)合全局與局部池化的深度哈希人臉識別算法[J]. 曾燕,陳岳林,蔡曉東. 西安電子科技大學(xué)學(xué)報. 2018(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的隨機梯度下降算法[J]. 王功鵬,段萌,牛常勇. 計算機工程與設(shè)計. 2018(02)
[5]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維. 傳感器與微系統(tǒng). 2018(02)
[6]深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別算法中的研究與實現(xiàn)[J]. 韓星爍,林偉. 微型機與應(yīng)用. 2017(21)
[7]卷積神經(jīng)網(wǎng)絡(luò)概述[J]. 侯宇昆. 中國新通信. 2017(09)
[8]深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀[J]. 胡聰叢,胡桓. 電子技術(shù)與軟件工程. 2017(04)
[9]基于活動輪廓模型的圖像分割算法綜述[J]. 段丁娜,張歡,邱陳輝,夏順仁. 中國生物醫(yī)學(xué)工程學(xué)報. 2015(04)
[10]Python最新Web編程框架Flask研究[J]. 葉鋒. 電腦編程技巧與維護. 2015(15)
碩士論文
[1]基于ActiveMQ的消息中間件的設(shè)計與實現(xiàn)[D]. 汪然.西安電子科技大學(xué) 2013
[2]關(guān)于樸素貝葉斯分類算法的改進[D]. 李方.重慶大學(xué) 2009
本文編號:3436859
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3436859.html
最近更新
教材專著