發(fā)布時間：2020-11-05 16:47

　　 隨著我國心血管疾病患者數(shù)量的持續(xù)增加及醫(yī)學影像技術的不斷發(fā)展,醫(yī)學影像在心血管疾病的臨床診斷、治療康復過程中扮演重要角色的同時,也帶來了巨大的醫(yī)學數(shù)據(jù)處理壓力。在心臟器官中,右心室的個體差異較大,且不同病癥、同病癥不同階段也存有差異,所以心臟影像的右心室分割任務更為艱難。此外,影像設備本身的差異導致其輸出圖像的技術參數(shù)不同,增加了專家、醫(yī)師手動分割難度。因此,發(fā)展魯棒、準確的計算機輔助分割系統(tǒng),以緩解醫(yī)學數(shù)據(jù)處理壓力、促進醫(yī)學影像信息的臨床應用,進而推動對心血管疾病的及早干預、治療具有重要意義。本文基于公開的心室核磁共振數(shù)據(jù)集,針對右心室分割任務展開以下研究:首先,通過包括翻轉(zhuǎn)、平移、拉伸等圖像變換算法的隨機組合,對現(xiàn)有數(shù)據(jù)集進行增強預處理,防止神經(jīng)網(wǎng)絡過擬合。其次,以全卷積神經(jīng)網(wǎng)絡、U-Net為基線模型,對本數(shù)據(jù)集進行分割,探討經(jīng)典網(wǎng)絡中存在的問題。再次,從神經(jīng)網(wǎng)絡感受域角度討論擴展卷積結(jié)構(gòu)對網(wǎng)絡的影響,并構(gòu)建使用擴展卷積層后的擴展U-Net,測試擴展卷積思想在本分割任務中的作用。最后,討論殘差網(wǎng)絡和DenseNet在降低學習成本、實現(xiàn)特征復用方面的優(yōu)勢,構(gòu)建結(jié)合殘差學習模塊與稠密連接的U-Net神經(jīng)網(wǎng)絡,稱為Dense-U網(wǎng)絡;其中,殘差學習模塊具有“多核擴展”能力,稠密連接建立在輸入層與各下采樣層之間。實驗表明,Dense-U網(wǎng)絡殘差學習模塊的擴展卷積將Dense-U網(wǎng)絡的感受域擴展至與輸入圖像維度相當,對避免分割掩碼空洞及降低假陽率具有有效作用;Dense-U網(wǎng)絡的跳層連接使其在不同形態(tài)的右心室分割中具有較好的魯棒性。同時,殘差模塊中恒定的特征通道數(shù)量抑制了網(wǎng)絡參數(shù)的指數(shù)級增長,使得Dense-U網(wǎng)絡特征參數(shù)較擴展卷積U-Net減少一個量級。因此,綜合分割性能與網(wǎng)絡參數(shù)量級,Dense-U網(wǎng)絡具有明顯優(yōu)勢。此外,基于本文設計的神經(jīng)網(wǎng)絡模型,搭建了在線右心室分割系統(tǒng),本系統(tǒng)具有數(shù)據(jù)導入、圖像預處理、模型選擇與分割以及評估報告等人機交互功能,可較為穩(wěn)定、快速地實現(xiàn)心室的在線分割。
【學位單位】：海南大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R445.2;R541;TP391.41;TP183
【部分圖文】：

患病率至今沒有得到緩解，仍處于增高的階段。預估中國ＣＶＤ患者數(shù)量己經(jīng)達??到驚人的２．９億，與此同時２０１５年因ＣＶＤ造成死亡的概率已經(jīng)高于腫瘤等其他??疾病，占據(jù)首位，如圖１－１所示。??由于ＣＶＤ的患者數(shù)量的日益提高，以及其較高的死亡率，如今已經(jīng)成為全??世界的頭號健康問題，根據(jù)美國心臟協(xié)會（Ａｍｅｒｉｃａｎｓ?Ｈｅａｒｔ?Ａｓｓｏｃｉａｔｉｏｎ，ＡＨＡ）??的統(tǒng)計，每天會因為心血管疾病造成超過２１５０名美國人死亡［５】。此外，美國心??臟協(xié)會的預測，到２０３０年，至少有４０．５％的美國人，或大約１．１６億人將患有某??種形式的心血管疾病。而根據(jù)最新報告，中國在１７年左右，心血管疾病已經(jīng)占??據(jù)居民疾病死亡構(gòu)成的４０％以上［６］，形勢嚴峻。世界衛(wèi)生組織表明，這種困境在??全球蔓延，每年導致全球死亡人數(shù)估計為１７３０萬，超過任何其他死亡原因，占??全球死亡人數(shù)的３０％。就發(fā)病率、死亡率和經(jīng)濟負擔而言

Ａｎｇｌｅ５５°，３６（＾４２０毫米的視野范圍，從基層到頂層進行掃描。其中有專業(yè)醫(yī)師已??經(jīng)手動標注了心內(nèi)膜和心外膜區(qū)域作為訓練數(shù)據(jù)，每個病例中包含已手動分割的??１５個結(jié)果，如圖１－２所示，其中小梁和乳頭肌也包括在右心室腔中。??右心室內(nèi)壁??（心內(nèi)膜）??—１綱外壁??（心外瞋）??一左心室內(nèi)壁??左心室Ｉ—ｍ?（心內(nèi)膜）??？左心室外壁??Ｖｉ?（心外膜）??圖１－２心室結(jié)構(gòu)??本次挑戰(zhàn)，共提供了三組數(shù)據(jù)集，第一組包括訓練數(shù)據(jù)，其由１６個患者組??的ＤＩＣＯＭ圖像，由要分割的圖像和右心室輪廓的參照組成。第二組包括測試數(shù)??據(jù)（即Ｔｅｓｔｌ組），其由１６個不同的患者組成，其中省略了參考輪廓。第三組包??４??

ＡｌｅｘＮｅｔ神經(jīng)網(wǎng)絡架構(gòu)，因為在比賽中取得了突出成績，現(xiàn)在己經(jīng)成為卷積??神經(jīng)網(wǎng)絡（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ，ＣＮＮ）在圖像分類上的經(jīng)典模型。??ＡｌｅｘＮｅｔ網(wǎng)絡結(jié)構(gòu)如圖２－１所示，為８層深度網(wǎng)絡，５層為卷積層，另外還有３層??為全連接層。??值得注意的是，ＡｌｅｘＫｒｉｚｈｅｖｓｋｙ教授指出，如果去掉任何一個卷積層，都會??使整個網(wǎng)絡的分類性能大幅下降。其原理是通過圖像輸入后對其進行層層轉(zhuǎn)換，??８??
【參考文獻】

相關期刊論文 前10條

1 羅發(fā)菊;;美國心臟協(xié)會[J];中華災害救援醫(yī)學;2015年06期

2 馮朝勝;秦志光;袁丁;;云數(shù)據(jù)安全存儲技術[J];計算機學報;2015年01期

3 張耀楠;陳傳慎;康雁;;基于仿射傳播聚類選擇的多Atlas右心室精準分割[J];東北大學學報(自然科學版);2014年06期

4 王芳;朱曉麗;丁雪;;我國基層衛(wèi)生人力資源配置現(xiàn)狀及公平性分析[J];中國衛(wèi)生事業(yè)管理;2012年02期

5 黃炎;李俊來;王知力;萬文博;賈紅;蘇莉;溫朝陽;唐杰;;實時剪切波彈性成像定量評價乳腺良惡性病變[J];中國醫(yī)學影像技術;2011年03期

6 ;中國心血管病預防指南[J];中華心血管病雜志;2011年01期

7 董犖;葛萬成;陳康力;;CUDA并行計算的應用研究[J];信息技術;2010年04期

8 王麗婷;丁曉青;方馳;;一種魯棒的全自動人臉特征點定位方法[J];自動化學報;2009年01期

9 朱桂英;張瑞林;;基于Hough變換的圓檢測方法[J];計算機工程與設計;2008年06期

10 陳文略,王子羊;三次樣條插值在工程擬合中的應用[J];華中師范大學學報(自然科學版);2004年04期

相關碩士學位論文 前1條

1 陳先昌;基于卷積神經(jīng)網(wǎng)絡的深度學習算法與應用研究[D];浙江工商大學;2014年

本文編號：2871911