磁共振成像（MRI）是最常見(jiàn)的乳腺癌診斷后的評(píng)估手段,用以評(píng)估乳腺癌疾病發(fā)展的風(fēng)險(xiǎn)。乳腺M(fèi)RI可以用來(lái)確定乳腺癌的分期。乳腺M(fèi)RI主要用于觀測(cè)乳腺癌診斷后,癌組織的大小和范圍,從而幫助醫(yī)師確定癌癥的分期,以及化療后癌組織的變化情況。本課題的研究目的是構(gòu)建一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的,能夠自動(dòng)將乳腺同一位置的四種模式的核磁共振成像圖像融合起來(lái),對(duì)乳腺癌病灶進(jìn)行分類分割檢查的模型。主要研究?jī)?nèi)容是使用卷積神經(jīng)網(wǎng)絡(luò)方法,對(duì)多參數(shù)磁共振成像的乳腺圖像中腫瘤組織部分的分類與分割。本研究中的乳房的MRI數(shù)據(jù)是使用1.5T-MRI掃描儀,對(duì)67名受試者分別采用四種不同成像模式掃描而獲得的。主要采用的四種不同的成像模式分別為:T1加權(quán)成像,T2加權(quán)成像,彌散加權(quán)的eTHRIVE序列成像,和動(dòng)態(tài)對(duì)比度增強(qiáng)參數(shù)成像。研究模型主要由圖像分類和圖像分割兩部分組成。其中,研究提出的用于乳腺癌分類診斷的四圖融合骨干網(wǎng)絡(luò),克服了單模態(tài)圖像檢測(cè)的局限性,并模擬了臨床醫(yī)生及放射科醫(yī)師的實(shí)際診斷過(guò)程,達(dá)到0.942的分類準(zhǔn)確率。其次,研究提出的自動(dòng)分割腫瘤組織的過(guò)程采用了優(yōu)化的U-Net模型,使得圖像分割結(jié)果得到了顯著性的提升。... 

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 引言
第2章 相關(guān)工作
    2.1 乳腺圖像分類研究
    2.2 乳腺圖像分割研究
    2.3 圖像處理中的卷積神經(jīng)網(wǎng)絡(luò)研究
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺癌診斷算法
    3.1 數(shù)據(jù)集說(shuō)明
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺M(fèi)RI圖像分類算法研究
        3.2.1 分類數(shù)據(jù)處理
        3.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的分類算法
    3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的分割算法
        3.3.1 分割數(shù)據(jù)處理
        3.3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的分割算法
第4章 實(shí)驗(yàn)研究結(jié)果分析
    4.1 乳腺M(fèi)RI分類實(shí)驗(yàn)結(jié)果分析
    4.2 乳腺M(fèi)RI分割實(shí)驗(yàn)結(jié)果分析
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3666291