【摘要】：腦腫瘤是一種高危疾病,在所有的治療方式中,手術(shù)切除是一種有效的治療手段,任何有關(guān)位置、大小和結(jié)構(gòu)的信息都至關(guān)重要。醫(yī)學(xué)成像技術(shù)可用于檢測(cè)身體組織上的異常變化。其中核磁共振成像作為顯示腦腫瘤信息的主要顯像技術(shù)是被廣泛應(yīng)用,核磁共振成像是一種無(wú)損傷的三維信息顯示技術(shù),對(duì)于不同類型和大小的腦腫瘤能夠在不同的模式下有效的顯示。本文主要是針對(duì)腦腫瘤分割技術(shù)進(jìn)行研究,首先介紹了腦腫瘤分割的背景及意義,以及腦腫瘤圖像分割技術(shù)的發(fā)展和當(dāng)前最新的研究現(xiàn)狀,對(duì)腦腫瘤的難點(diǎn)進(jìn)行總結(jié)和本文的結(jié)構(gòu)進(jìn)行介紹,詳細(xì)闡述腦腫瘤分割的問(wèn)題以及最新研究解決技術(shù)手段。1.基于核磁共振成像腦腫瘤圖像的分割研究一直以來(lái)都是熱門研究的方向,本文從多模式的核磁共振成像開始研究。首先介紹模糊C均值算法和基于直方圖約束的快速模糊C均值聚類算法;水平集算法和混合水平集算法。在兩個(gè)改進(jìn)算法:快速模糊C均值和混合水平集的基礎(chǔ)上,為了有效分割腦腫瘤,提出一種改進(jìn)的多模式腦腫瘤二維圖像混合分割算法。該算法使用的是三種模式核磁共振成像:T1C、T2和FLAIR。算法主要使用快速模糊C均值算法對(duì)融合圖像進(jìn)行聚類分割初始欠分割區(qū)域;之后欠分割區(qū)域使用混合水平集算法分割最終結(jié)果。2.改進(jìn)的多模式腦腫瘤二維圖像混合分割算法對(duì)于二維較大區(qū)域的腦腫瘤圖像能夠有效地分割,但核磁共振成像均為三維圖像,并且三維的結(jié)果更有利于臨床的應(yīng)用,因此,本文改進(jìn)二維算法為多模式腦腫瘤三維圖像混合分割算法,該算法在流程上與二維算法一致,但是效果優(yōu)于二維的分割算法,并且更有利于臨床實(shí)際應(yīng)用。3.由于腦腫瘤圖像種類多樣,復(fù)雜度較高,傳統(tǒng)的機(jī)器學(xué)習(xí),對(duì)于同一類特征圖像分割較好,但是對(duì)于特征差異較大的腦腫瘤分割存在明顯不足。因此本文提出一種基于Voxresnet的三維腦腫瘤分割算法,該算法是基于殘差網(wǎng)絡(luò)改進(jìn)和實(shí)現(xiàn)的,并且對(duì)于多模式的腦腫瘤圖像,使用了級(jí)聯(lián)的方式對(duì)腦腫瘤圖像進(jìn)行有效的分割。為了評(píng)估算法的有效性,本文使用三個(gè)指標(biāo):相似性系數(shù)、靈敏度和陽(yáng)性預(yù)測(cè)率,對(duì)腦腫瘤分割的結(jié)果進(jìn)行評(píng)價(jià),實(shí)驗(yàn)表明本文提出的算法在腦腫瘤分割上有良好的表現(xiàn)。本文從不同的角度對(duì)腦腫瘤圖像分割算法進(jìn)行研究,三種不同的算法對(duì)腦腫瘤圖像都有一定的效果,在文章最后對(duì)全文進(jìn)行總結(jié),并且介紹本文的研究的局限性和進(jìn)一步所需要做的工作,并且對(duì)腦腫瘤的應(yīng)用前景做了展望。
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R739.41;R445.2;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 劉岳;王小鵬;王金全;于揮;;基于形態(tài)學(xué)重建和梯度分層修正的分水嶺腦腫瘤分割[J];計(jì)算機(jī)應(yīng)用研究;2015年08期

2 羅蔓;黃靖;楊豐;;基于多模態(tài)3D-CNNs特征提取的MRI腦腫瘤分割方法[J];科學(xué)技術(shù)與工程;2014年31期

3 高天欣;呂宙;丁海艷;唐曉英;;磁共振溫度成像技術(shù)研究進(jìn)展[J];中國(guó)醫(yī)學(xué)影像學(xué)雜志;2014年07期

4 蘇坡;楊建華;薛忠;;基于超像素的多模態(tài)MRI腦膠質(zhì)瘤分割[J];西北工業(yè)大學(xué)學(xué)報(bào);2014年03期

本文編號(hào)：2804207