惡性腦腫瘤（俗稱腦癌）是世界上最可怕的癌癥類型之一,通常會使患者的認知功能下降、生活質(zhì)量變差。由于核磁共振成像技術(shù)的優(yōu)越性與無創(chuàng)性,通過跟蹤患者的腫瘤變化情況,可為不同患者提供個性化治療方案,從而使得基于MR圖像的腦腫瘤分割成為國內(nèi)外研究的熱點問題。但因腦腫瘤可出現(xiàn)在大腦的任何位置且大小不定、形狀不規(guī)則,人工分割耗時又費力,且主觀性大,基于傳統(tǒng)機器學(xué)習(xí)的圖像分割算法又很難同時兼顧分割的精確度與全自動性,可見腦腫瘤分割仍是一項具有挑戰(zhàn)性的任務(wù)。目前隨著人工智能和深度學(xué)習(xí)新技術(shù)的崛起,基于卷積神經(jīng)網(wǎng)絡(luò)的方法得到廣泛應(yīng)用,故本文以多模態(tài)MR腦腫瘤圖像為基礎(chǔ),以深度學(xué)習(xí)方法為技術(shù)手段,對腦腫瘤圖像分割問題進行以下研究:1、針對現(xiàn)有機器學(xué)習(xí)算法分割腦腫瘤圖像精度不高的問題,提出一種基于改進的全卷積神經(jīng)網(wǎng)絡(luò)的腦腫瘤圖像分割算法。該算法首先將FLAIR、T2和T1C三種模態(tài)的MR腦腫瘤圖像進行灰度歸一化,隨后利用灰度圖像融合技術(shù)得到腦腫瘤信息更加全面的預(yù)處理圖像;然后采用融合三次腦腫瘤特征信息的全卷積神經(jīng)網(wǎng)絡(luò)對預(yù)處理圖像進行粗分割,并融入批量正則化層以加快網(wǎng)絡(luò)收斂速度,提高模型精度;最后融合全連接條... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略表
符號表
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 手動分割
        1.2.2 半自動分割
        1.2.3 全自動分割
        1.2.4 卷積神經(jīng)網(wǎng)絡(luò)方法
    1.3 待解決問題
    1.4 論文主要研究工作
    1.5 論文結(jié)構(gòu)組織安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)概述
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)
        2.1.3 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法
        2.1.4 卷積神經(jīng)網(wǎng)絡(luò)的正則化算法
    2.2 深度學(xué)習(xí)訓(xùn)練框架
    2.3 卷積神經(jīng)網(wǎng)絡(luò)在腦腫瘤圖像分割中的應(yīng)用
    2.4 本章小結(jié)
第3章 改進的全卷積神經(jīng)網(wǎng)絡(luò)的MR腦腫瘤圖像分割算法
    3.1 網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)
        3.1.1 全卷積神經(jīng)網(wǎng)絡(luò)
        3.1.2 條件隨機場
    3.2 分割算法框架
        3.2.1 實驗數(shù)據(jù)和分割評價標準
        3.2.2 圖像預(yù)處理
        3.2.3 算法的模型結(jié)構(gòu)
    3.3 實驗參數(shù)的選取與模型的訓(xùn)練
    3.4 實驗結(jié)果與分析
        3.4.1 融合模態(tài)與單模態(tài)圖像分割結(jié)果的比較
        3.4.2 不同算法下分割結(jié)果的對比與討論
    3.5 本章小結(jié)
第4章 基于殘差結(jié)構(gòu)的3D U-Net腦腫瘤圖像分割算法
    4.1 網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)
        4.1.1 三維全卷積神經(jīng)網(wǎng)絡(luò)
        4.1.2 深度殘差結(jié)構(gòu)
    4.2 分割算法框架
        4.2.1 圖像預(yù)處理
        4.2.2 算法的模型結(jié)構(gòu)
        4.2.3 損失函數(shù)的選擇
    4.3 實驗結(jié)果與分析
        4.3.1 不同損失函數(shù)下的分割結(jié)果比較
        4.3.2 不同網(wǎng)絡(luò)結(jié)構(gòu)下的分割結(jié)果比較
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝



本文編號：3484512