【摘要】：脊柱側(cè)凸是嚴重危害青少年身心健康的脊柱畸形生長疾病,早期矯正、持續(xù)監(jiān)測是治療的關(guān)鍵。目前主要使用X射線對該疾病進行檢測,但X射線具有輻射性,不利于病情的持續(xù)監(jiān)測。三維超聲能通過掃描脊柱獲得脊柱的三維結(jié)構(gòu)圖,具有無輻射、易操作、低成本等特點,是一種替代X射線的方案。在三維超聲的多種掃描方式中,使用機械裝置控制超聲探頭運動的機械自動掃描具有精確定位、全自動、可重復的特點,適合于脊柱側(cè)凸的檢測。在基于機械自動掃描的三維超聲自動掃描系統(tǒng)中,精確的脊柱掃描路徑規(guī)劃是獲得準確的脊柱三維結(jié)構(gòu)圖的關(guān)鍵。通�？梢岳脭z像機等設(shè)備獲取探頭前方的彩色圖像信息,然后利用圖像分割算法對彩色圖像進行分割提取脊柱目標區(qū)域,最后在脊柱目標區(qū)域內(nèi)規(guī)劃出最優(yōu)掃描路徑,完成脊柱掃描路徑的規(guī)劃。隨著深度學習的不斷發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割算法在特征提取、分割準確率上相比于傳統(tǒng)方法有更好的表現(xiàn),因此,本文基于卷積神經(jīng)網(wǎng)絡(luò)對脊柱三維超聲自動掃描系統(tǒng)做了以下研究:(1)在脊柱掃描路徑規(guī)劃算法中,搭建了FCN、U-Net和Deeplab三種卷積神經(jīng)網(wǎng)絡(luò),對比了三種網(wǎng)絡(luò)對深度攝像儀拍攝的彩色圖分割脊柱區(qū)域的效果,同時結(jié)合深度圖的多視角信息,使用四通道法和雙特征提取網(wǎng)絡(luò)結(jié)構(gòu)方法對深度攝像儀拍攝的深度圖、彩色圖進行整合,提高分割的準確率。最后使用基于人體輪廓的分割結(jié)果判定方法和最小二乘曲線擬合方法對分割結(jié)果進行后處理,得到較為精確的脊柱掃描曲線。(2)借鑒移動最小二乘形變方法提出以脊柱線為控制曲線對人體輪廓進行變形的數(shù)據(jù)增強方法,擬合多種脊柱側(cè)凸情況,增加數(shù)據(jù)集的多樣性,從而提高網(wǎng)絡(luò)的泛化能力。(3)以醫(yī)學超聲儀器Sonix RP、六自由度機器人、深度攝像儀Kinect、工控計算機為基礎(chǔ)搭建了一套脊柱三維超聲自動掃描系統(tǒng),在機械自動控制程序中嵌入改進的脊柱掃描路徑規(guī)劃算法,實現(xiàn)了脊柱的精確掃描與成像。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R445.1;R726.8;TP391.41;TP183
【圖文】：

（a）脊柱側(cè)凸的 X 射線圖 圖 1-1 脊柱側(cè)凸的 X 射線在三種三維超聲掃描系統(tǒng)中，自由臂掃統(tǒng)記錄超聲探頭的位置和角度，最后由計算圍大，位置和角度可以由醫(yī)生任意控制，適感裝置的精確度不夠，重建的三維圖像誤差鋪設(shè)超聲探頭，成像時無需移動超聲探頭就方法實現(xiàn)代價太大，性價比不高�；跈C械機械設(shè)備中，當掃描路線預(yù)先設(shè)定后，機械描，最后通過計算機生成三維圖像。與自由重復，更適合于脊柱側(cè)凸這種特定位置、重在基于機械掃描的三維超聲掃描系統(tǒng)中有與脊柱貼合的掃描路線才能得到正確的脊

通過驅(qū)動機械裝置帶動超聲探頭掃描人體表面獲得一序列二由計算機進行三維重建得到三維結(jié)構(gòu)圖。機械掃描共有兩種運動控描和自動掃描。制掃描是操作者利用手動遙控器控制裝有超聲探頭的機械裝置到制探頭掃描和超聲圖像采集，然后生成三維超聲圖像，其整套儀器機械裝置和手動遙控器，外形如圖 1-4 所示。Abolmaesumi 等人基原理開發(fā)了一個檢測頸動脈的三維超聲掃描系統(tǒng)，醫(yī)生通過遙控器在移動的過程中血管始終保持在成像平面中，最終完成三維重建[16]法需要操作者集中注意力小心謹慎操作，對操作者經(jīng)驗要求高，對到位，而醫(yī)院每天都需要為大量病人做檢查，長時間耗腦力體力的損醫(yī)生的頸椎、手臂等，而且容易出現(xiàn)失誤操作，因此，手動掃描性操作的醫(yī)療器械應(yīng)用。

【參考文獻】

相關(guān)期刊論文 前2條

1 張莉;余慧芳;檀結(jié)慶;;凸多邊形域上的參數(shù)曲面自由變形[J];計算機輔助設(shè)計與圖形學學報;2015年05期

2 白培瑞;白凈;;基于二維陣列換能器的實時三維超聲成像技術(shù)綜述[J];中國生物醫(yī)學工程學報;2011年06期

相關(guān)碩士學位論文 前1條

1 梁舒;基于殘差學習U型卷積神經(jīng)網(wǎng)絡(luò)的乳腺超聲圖像腫瘤分割研究[D];華南理工大學;2018年

本文編號：2716189