近年來,心血管疾病的患病率以及死亡率越來越高,已嚴(yán)重威脅到人類的健康,這就要求醫(yī)生能及早診斷出心血管疾病,為患者的后期治療贏得時(shí)間,而左心室超聲圖像的分割結(jié)果可以輔助醫(yī)生對(duì)心血管疾病進(jìn)行診斷,但左心室超聲圖像具有強(qiáng)噪聲、弱邊緣、組織結(jié)構(gòu)復(fù)雜等特點(diǎn),使得圖像分割存在難度大、效率低、精度差等問題�；诖�,本文提出了一種基于深層聚合殘差密集網(wǎng)絡(luò)的左心室超聲圖像分割算法,其研究?jī)?nèi)容主要包括圖像預(yù)處理、分割網(wǎng)絡(luò)的設(shè)計(jì)以及分割系統(tǒng)的實(shí)現(xiàn)。（1）為了降低左心室的周圍組織（脂肪或肺等）對(duì)超聲圖像分割的影響,本文采用傳統(tǒng)的閾值分割方法定向裁剪圖像。首先,對(duì)左心室超聲圖像進(jìn)行像素統(tǒng)計(jì),并根據(jù)統(tǒng)計(jì)得出的閾值將圖像二值化,用于區(qū)分左心室超聲圖像中的背景、左心室、肺以及脂肪等區(qū)域;然后,使用形態(tài)學(xué)處理（開操作、腐蝕,閉操作）刪除二值圖像中的干擾塊并填充其閉合區(qū)域,使得圖像中相鄰的區(qū)域聯(lián)通到一起,減少了二值圖像中聯(lián)通組件的數(shù)量;最后,通過先驗(yàn)信息鎖定目標(biāo)輪廓,確定左心室在超聲圖像中的區(qū)域,并根據(jù)確立的目標(biāo)范圍對(duì)左心室超聲圖像進(jìn)行裁剪。（2）為提高網(wǎng)絡(luò)的分割精度,本文在基于編碼-解碼框架的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上,引入殘差密... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

左心室超聲圖像的手動(dòng)分割原理

入圖像尺寸固定，且只能獲得圖像的局部信息，圖像塊之間的像素被重復(fù)計(jì)算，導(dǎo)致計(jì)算量龐大且精度不高。在許多的視覺任務(wù)中，比如醫(yī)學(xué)圖像的分割中，人們希望神經(jīng)網(wǎng)絡(luò)能對(duì)圖像的每個(gè)像素點(diǎn)進(jìn)行分類，即輸入是原始圖像，通過分割網(wǎng)絡(luò)直接輸出分割圖像結(jié)果，簡(jiǎn)化圖像分割過程，并稱能實(shí)現(xiàn)這樣功能的網(wǎng)絡(luò)叫做端到端網(wǎng)絡(luò)。端到端網(wǎng)絡(luò)應(yīng)用于圖像分割時(shí)，CNN的感受野與分割目標(biāo)大小相匹配才能獲得良好的分割效果，改變感受野的端到端分割網(wǎng)絡(luò)可分為兩類，即基于空洞卷積框架的神經(jīng)網(wǎng)絡(luò)模型和基于編碼-解碼框架的神經(jīng)網(wǎng)絡(luò)模型。圖1.3空洞卷積(1)基于空洞卷積框架的神經(jīng)網(wǎng)絡(luò)模型。2015年YU等人[36]提出空洞卷積用于圖像分割，針對(duì)以池化方式增大感受野會(huì)丟失圖片部分信息、降低圖片分辨率等問題，提出在卷積核中加入“空洞”直接提升感受野，空洞卷積的原理如圖1.3所示，通過在標(biāo)準(zhǔn)卷積核中注入空洞來增加網(wǎng)絡(luò)的感受野，例如圖中卷積核的有效像素都是9，可是由于注入空洞數(shù)的不同，感受野也不相同。2016年至2018年，結(jié)合空洞卷積的思想Chen等人先后提出DeepLabv1[37]、DeepLabv2[38]、DeepLabv3[39]、DeepLabV3+[40]等分割網(wǎng)絡(luò)模型，該類算法是利用空洞卷積并結(jié)合金字塔空間池化的多尺度處理，然后添加全連接條件隨機(jī)場(chǎng)[41]做后處理，最

圖1.6分割結(jié)果對(duì)比維恩圖

【參考文獻(xiàn)】：
期刊論文
[1]《中國(guó)心血管病報(bào)告2018》概要[J]. 胡盛壽,高潤(rùn)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,陳偉偉.  中國(guó)循環(huán)雜志. 2019(03)
[2]基于灰度圖像的像素量化隱寫算法[J]. 李江華,章柯俊.  包裝工程. 2019(01)
[3]基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)的回彈預(yù)測(cè)研究[J]. 楊釬,許益民.  現(xiàn)代電子技術(shù). 2019(01)
[4]數(shù)字圖像混合噪聲濾波算法研究[J]. 單亮亮,楊英寶,朱熹,張希澤,曹晨,潘鑫.  地理空間信息. 2018(07)
[5]基于卷積核濾波器篩選的CNN模型精簡(jiǎn)方法[J]. 王震,周冕.  天津理工大學(xué)學(xué)報(bào). 2018(02)
[6]基于優(yōu)化的并行AlexNet人臉特征點(diǎn)檢測(cè)算法[J]. 陳東敏,姚劍敏.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(04)
[7]云計(jì)算環(huán)境下的網(wǎng)絡(luò)技術(shù)[J]. 暢鵬.  數(shù)字通信世界. 2018(04)
[8]《中國(guó)心血管病報(bào)告2017》要點(diǎn)解讀[J]. 馬麗媛,吳亞哲,王文,陳偉偉.  中國(guó)心血管雜志. 2018(01)
[9]基于移不變字典學(xué)習(xí)和稀疏編碼的滾動(dòng)軸承故障識(shí)別算法[J]. 曲建嶺,余路,高峰,田沿平,李儼.  計(jì)算機(jī)應(yīng)用研究. 2019(01)
[10]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽(yáng),王慧麗,郭陽(yáng),扈嘯.  計(jì)算機(jī)應(yīng)用研究. 2018(07)

博士論文
[1]醫(yī)學(xué)CT圖像分割方法研究[D]. 周生俊.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：3627022