計(jì)算機(jī)斷層掃描(Computed Tomography,CT)被廣泛用于臨床診斷,是獲取人體內(nèi)部信息的重要手段。隨著計(jì)算機(jī)技術(shù)和人工智能的快速發(fā)展,計(jì)算機(jī)輔助診斷(computer aided diagnosis,CAD)系統(tǒng)可以對CT影像進(jìn)行自動(dòng)化處理,為醫(yī)生提供診斷依據(jù),從而提高醫(yī)生工作效率。在計(jì)算機(jī)輔助診斷系統(tǒng)中,器官分割技術(shù)是必不可少的。器官分割技術(shù)是對病人的器官進(jìn)行定性和定量化分析的前提,是醫(yī)生進(jìn)行診斷并制定治療計(jì)劃的重要輔助手段。在介入消融、圖像引導(dǎo)手術(shù)和磁感應(yīng)熱療等技術(shù)中,器官分割技術(shù)都是必不可少的。器官分割技術(shù)主要應(yīng)用在處理CT影像數(shù)據(jù),但是要實(shí)現(xiàn)對CT影像中的器官進(jìn)行快速準(zhǔn)確地分割是一個(gè)艱巨的任務(wù)。因?yàn)镃T影像比較復(fù)雜,不僅缺少簡單的線性特征,還有灰度不均勻、存在偽影、不同組織間灰度相似等問題。同時(shí)CT影像作為三維圖像,數(shù)據(jù)量大,器官分割算法容易出現(xiàn)計(jì)算量過大的問題。這兩點(diǎn)原因增加了算法的設(shè)計(jì)難度。針對在CT影像中器官的快速準(zhǔn)確分割問題,首先提出了新型三維全卷積神經(jīng)網(wǎng)絡(luò)Vnet-S網(wǎng)絡(luò)。然后在Vnet-S網(wǎng)絡(luò)的基礎(chǔ)上提出基于級聯(lián)Vnet-S網(wǎng)絡(luò)的器官分割算法�；诩壜�(lián)Vnet-S網(wǎng)絡(luò)的器官分割算法具有高準(zhǔn)確度和低計(jì)算量的特點(diǎn)。再采用Flask框架對器官分割算法進(jìn)行了部署。最后基于VTK和ITK設(shè)計(jì)并實(shí)現(xiàn)了醫(yī)學(xué)影像可視化系統(tǒng)。具體而言,本文在器官分割算法和系統(tǒng)部署方面完成了以下工作:(1)提出新型三維全卷積神經(jīng)網(wǎng)絡(luò)Vnet-S網(wǎng)絡(luò)。Vnet-S網(wǎng)絡(luò)是在Vnet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上提出的三維全卷積神經(jīng)網(wǎng)絡(luò)。優(yōu)化了Vnet網(wǎng)絡(luò)結(jié)構(gòu)存在的問題。通過對比實(shí)驗(yàn)證明Vnet-S網(wǎng)絡(luò)性能優(yōu)于Vnet網(wǎng)絡(luò),同時(shí)參數(shù)量和計(jì)算量也遠(yuǎn)小于Vnet網(wǎng)絡(luò),Vnet-S網(wǎng)絡(luò)的參數(shù)量是Vnet網(wǎng)絡(luò)的15.58%,計(jì)算量是Vnet網(wǎng)絡(luò)的21.41%。(2)提出新型器官分割算法。以新型三維全卷積神經(jīng)網(wǎng)絡(luò)Vnet-S網(wǎng)絡(luò)為基礎(chǔ),采用級聯(lián)網(wǎng)絡(luò)結(jié)構(gòu),提出基于級聯(lián)Vnet-S網(wǎng)絡(luò)的器官分割算法。該算法由兩個(gè)Vnet-S網(wǎng)絡(luò)級聯(lián)而成,第一個(gè)Vnet-S網(wǎng)絡(luò)用于器官定位,第二個(gè)Vnet-S網(wǎng)絡(luò)用于器官分割。在肝臟分割實(shí)驗(yàn)和肺分割實(shí)驗(yàn)中,該算法分別取得了0.9600和0.9810的Dice系數(shù),證明該算法可以對肝臟和肺快速準(zhǔn)確分割。并通過和其他器官分割算法進(jìn)行了對比,證明了算法的高準(zhǔn)確度和低計(jì)算量的特點(diǎn)。(3)基于Flask框架部署器官分割算法。利用Flask框架,將器官分割算法部署在服務(wù)器端,從而為前端可視化系統(tǒng)提供器官分割算法服務(wù)。通過系統(tǒng)測試,該系統(tǒng)可以快速對CT影像完成器官分割。(4)設(shè)計(jì)并實(shí)現(xiàn)醫(yī)學(xué)影像可視化系統(tǒng)�；赩TK和ITK設(shè)計(jì)并實(shí)現(xiàn)醫(yī)學(xué)影像可視化系統(tǒng),該系統(tǒng)具備圖像顯示功能,圖像融合功能,測量功能等。相比舊版可視化系統(tǒng),該系統(tǒng)增加了新的可視化模式,多種界面布局和功能,同時(shí)系統(tǒng)運(yùn)行占用更少的內(nèi)存。
【學(xué)位單位】：中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;R816
【部分圖文】：

圖 2.5 原圖像和標(biāo)注Figure 2.5 Original image and annotation是用來估量模型的衡量預(yù)測值與真實(shí)值的差函數(shù)，損失函數(shù)越小，模型的魯棒性就越用的損失函數(shù)有以下兩種：叉熵?fù)p失函數(shù)：描述的是兩個(gè)概率分布之間越小表示概率分布越接近。對于兩個(gè)概率分表示 p 的交叉熵為( ) ( ) ( )xH p,q P x log q xe 損失函數(shù)：描述的是圖像分割結(jié)果中預(yù)測間的重合程度。公式如下：N

圖 4.4 器官分割系統(tǒng)啟動(dòng)Figure 4.4 Organ segmentation system activated再將數(shù)據(jù)保存地址和目標(biāo)存儲地址包裝為請求發(fā)送到 Flask 端，如圖 4.5 所示，這里采用了 python 腳本來發(fā)送請求。圖 4.5 發(fā)送請求Figure 4.5 Sending the request在目標(biāo)地址里，100例圖像數(shù)據(jù)的分割結(jié)果都已保存。抽取一例分割結(jié)果進(jìn)行可視化，如圖 4.6 所示。

下面三個(gè)窗口對第二個(gè)系列圖像進(jìn)行 MPR 顯示5.3.3 工作界面普通顯示模式的初始化界面如圖5.4所示，融合顯示模式的初始化界面如圖5.5 所示。界面上方的按鈕為顯示模式切換按鈕，功能選擇按鈕和布局切換按鈕。在每個(gè)子窗口可以切換顯示模式，例如在圖 5.4 中，第四個(gè)子窗口進(jìn)行了MIP 顯示，在每個(gè)子窗口內(nèi)可以對圖像進(jìn)行交互式操作，例如移動(dòng)切割線，相應(yīng)的切割結(jié)果會顯示在其他兩個(gè)方向的視圖中。在融合顯示模式中，可以對兩個(gè)系列的圖像進(jìn)行融合顯示，在圖5.5中
【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 徐寶泉;基于級聯(lián)Vnet-S網(wǎng)絡(luò)的CT影像器官分割算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所);2019年

本文編號：2868353