近幾年,在圖像處理領(lǐng)域,有關(guān)醫(yī)學(xué)圖像分割算法成為學(xué)者們的研究熱點之一,它可以將目標(biāo)目像中的感興趣區(qū)域提取出來,有助于緩解我國醫(yī)療現(xiàn)狀,為醫(yī)務(wù)工作者提供幫助。腦腫瘤是我國發(fā)病率和死亡率較高的幾種惡性腫瘤之一,且難以治愈,手術(shù)是當(dāng)前最主要的治療方式。核磁共振成像（MRI）是輔助腦腫瘤診斷和治療的重要手段,精準(zhǔn)分割腦腫瘤病變區(qū)域和組織對于輔助診療具有重要作用。由于腦腫瘤MR圖像具有對比度低、噪聲點多、邊界模糊、不規(guī)則等特點,以及極易在成像時受到磁場不均勻和人體局部運動等因素的影響,并且MRI設(shè)備的像素分辨率有限,會使不同組織的邊界像素點堆疊在一起,造成邊緣容積效應(yīng),以致傳統(tǒng)的人工閱片方式既費時又費力。因此,借助各種圖像分割算法的自動智能分割算法顯得尤為重要,本文為此梳理近幾年腦腫瘤MR圖像的分割方式與方法,對他們的基本思想、方法理論、優(yōu)缺點等進行深入探索和了解,提出一種多尺度特征融合的全卷積神經(jīng)網(wǎng)絡(luò)的腦腫瘤MR圖像分割模型,該算法引入多尺度輸入和特征融合,加強網(wǎng)絡(luò)的低層、高層特征提取能力,并使用跳躍結(jié)構(gòu),將融合后的特征作為網(wǎng)絡(luò)第一通路的輸入和最終結(jié)果的一部分,在網(wǎng)絡(luò)的不同通路采用尺寸不同的卷... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 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 基于傳統(tǒng)圖像處理算法的醫(yī)學(xué)圖像分割
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割
    1.3 本文主要研究內(nèi)容
    1.4 本文章節(jié)安排
第二章 基礎(chǔ)知識
    2.1 人工神經(jīng)網(wǎng)絡(luò)
    2.2 卷積神網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.2.2 模型結(jié)構(gòu)
        2.2.3 優(yōu)化方法
    2.3 全卷神經(jīng)網(wǎng)絡(luò)
        2.3.1 FCN結(jié)構(gòu)特點
        2.3.2 U-Net結(jié)構(gòu)特點
    2.4 深度學(xué)習(xí)框架
    2.5 本章小結(jié)
第三章 多尺度特征融合全卷積神經(jīng)網(wǎng)絡(luò)模型
    3.1 網(wǎng)絡(luò)模型整體算法流程
    3.2 改進的全卷積神經(jīng)網(wǎng)絡(luò)(FCN)
    3.3 多尺度特征融合全卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)模型
        3.3.1 多尺度特征提取
        3.3.2 特征融合
        3.3.3 MFF-FCN模型優(yōu)缺點
    3.4 損失函數(shù)
    3.5 本章小結(jié)
第四章 結(jié)果評估與分析
    4.1 實驗數(shù)據(jù)集
    4.2 預(yù)處理
    4.3 評價指標(biāo)
    4.4 實驗平臺及參數(shù)設(shè)計
    4.5 實驗結(jié)果及分析
        4.5.1 消融實驗結(jié)果評估與分析
        4.5.2 MFF-FCN結(jié)果評估與分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 文章工作總結(jié)
    5.2 未來研究展望
致謝
參考文獻
附錄
圖版


【參考文獻】：
期刊論文
[1]基于多尺度特征融合的肺結(jié)節(jié)良惡性分類方法[J]. 顧軍華,孫哲然,王鋒,戚永軍,張亞娟.  深圳大學(xué)學(xué)報(理工版). 2020(04)
[2]MRI腦腫瘤圖像分割研究進展及挑戰(zhàn)[J]. 李鏘,白柯鑫,趙柳,關(guān)欣.  中國圖象圖形學(xué)報. 2020(03)
[3]MIFNet:基于多尺度輸入與特征融合的胃癌病理圖像分割方法[J]. 張澤中,高敬陽,趙地.  計算機應(yīng)用. 2019(S2)
[4]基于全卷積神經(jīng)網(wǎng)絡(luò)的多尺度視網(wǎng)膜血管分割[J]. 鄭婷月,唐晨,雷振坤.  光學(xué)學(xué)報. 2019(02)
[5]改進的全卷積神經(jīng)網(wǎng)絡(luò)的腦腫瘤圖像分割[J]. 邢波濤,李鏘,關(guān)欣.  信號處理. 2018(08)
[6]基于多模態(tài)3D-CNNs特征提取的MRI腦腫瘤分割方法[J]. 羅蔓,黃靖,楊豐.  科學(xué)技術(shù)與工程. 2014(31)

碩士論文
[1]基于多級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)和條件隨機場的腦腫瘤分割研究[D]. 甘清海.湘潭大學(xué) 2019
[2]基于全卷積神經(jīng)網(wǎng)絡(luò)的多尺度視網(wǎng)膜圖像分割算法研究[D]. 鄭婷月.天津大學(xué) 2018



本文編號：3696874