【目的】本研究旨應用一種以人工智能(Artificial Intelligence,AI)為基礎所設計的全自動計算機輔助診斷系統(tǒng)(Computer-aided Diagnosis,CAD),定位腰椎核磁共振(Magnetic Resonance Imaging,MRI)圖像中的椎間盤去診斷腰椎間盤突出,并分析出腰椎間盤Pfirrmann退變等級及MSU突出程度分型。計算疾病診斷的陽性率,分型結果的準確度、靈敏度、特異度和交并比,及人機大戰(zhàn)的最終結果。探究所設計程序的先進性及CAD系統(tǒng)的臨床必要性,為人工智能診斷脊柱其他疾病提供基礎,同時為提高臨床工作效率提供新途徑。【方法】本研究將217位腰椎間盤突出(Lumbar Disc Herniation,LDH)患者的MRI影像學資料,分成訓練組與測驗組,對所設計的CAD系統(tǒng)進行訓練和驗證,其中運用區(qū)域卷積神經(jīng)網(wǎng)絡Faster-R-CNN(Region Convolution Neural Network,RCNN)目標檢測技術進行椎體定位,進而通過椎體定位和選取椎間盤。對選取區(qū)域使用二元神經(jīng)網(wǎng)絡分類器進行LDH的診斷。使用像素強度直方圖(H...

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

圖1系統(tǒng)流程圖

該系統(tǒng)的流程圖見如圖1所示。圖1系統(tǒng)流程圖1.1.3椎間盤的定位在這個步驟中，本課題組采用深度學習的方法來精確尋找椎間盤所在位置。

圖2椎間盤定位流程圖

天津醫(yī)科大學碩士學位論文最終所選的的目標檢測方法為基于R-CNN算法的最新版本FasterR-CNN，其結構如圖2a所示。FasterR-CNN是一種經(jīng)典的驗證算法，在工業(yè)上得到了廣泛的應用，它通常使用區(qū)域提出網(wǎng)絡（RegionPropositationNet....

圖3腰椎間盤突出癥的判斷

結果如圖2b所示。圖2椎間盤定位流程圖1.1.4椎間盤突出的診斷如圖3所示，一旦得到椎體的位置，便可以裁剪每個椎間盤和腰椎的交叉點，形成幾個ROIs（橙色矩形區(qū)域），然后將其輸入二元神經(jīng)網(wǎng)絡分類器以確定它們中的每一個是不是腰椎間盤突出部位。ROIs可以通過構造矩....

圖5機器學習模型預測Pfirmann的等級具體而言，以下是圖像特征的識別計算機算法：

圖5機器學習模型預測Pfirmann的等級具體而言，以下是圖像特征的識別計算機算法：1.像素強度直方圖（HPI）：通過直方圖對不同級別灰度的統(tǒng)計，直觀地將一幅圖像的像素分布特征展現(xiàn)出來。當椎間盤發(fā)生變性或突出時，它將會出現(xiàn)水分流失的表征。從而使得MRI（T2W1）圖像....

本文編號：3905374