隨著我國(guó)心血管疾病患者數(shù)量的持續(xù)增加及醫(yī)學(xué)影像技術(shù)的不斷發(fā)展,醫(yī)學(xué)影像在心血管疾病的臨床診斷、治療康復(fù)過程中扮演重要角色的同時(shí),也帶來了巨大的醫(yī)學(xué)數(shù)據(jù)處理壓力。在心臟器官中,右心室的個(gè)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(wù)更為艱難。此外,影像設(shè)備本身的差異導(dǎo)致其輸出圖像的技術(shù)參數(shù)不同,增加了專家、醫(yī)師手動(dòng)分割難度。因此,發(fā)展魯棒、準(zhǔn)確的計(jì)算機(jī)輔助分割系統(tǒng),以緩解醫(yī)學(xué)數(shù)據(jù)處理壓力、促進(jìn)醫(yī)學(xué)影像信息的臨床應(yīng)用,進(jìn)而推動(dòng)對(duì)心血管疾病的及早干預(yù)、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(duì)右心室分割任務(wù)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(jī)組合,對(duì)現(xiàn)有數(shù)據(jù)集進(jìn)行增強(qiáng)預(yù)處理,防止神經(jīng)網(wǎng)絡(luò)過擬合。其次,以全卷積神經(jīng)網(wǎng)絡(luò)、U-Net為基線模型,對(duì)本數(shù)據(jù)集進(jìn)行分割,探討經(jīng)典網(wǎng)絡(luò)中存在的問題。再次,從神經(jīng)網(wǎng)絡(luò)感受域角度討論擴(kuò)展卷積結(jié)構(gòu)對(duì)網(wǎng)絡(luò)的影響,并構(gòu)建使用擴(kuò)展卷積層后的擴(kuò)展U-Net,測(cè)試擴(kuò)展卷積思想在本分割任務(wù)中的作用。最后,討論殘差網(wǎng)絡(luò)和DenseNet在降低學(xué)習(xí)成本、實(shí)現(xiàn)特征復(fù)用方面的優(yōu)勢(shì),構(gòu)建結(jié)合殘差學(xué)習(xí)模塊與稠密連接的U-Net神經(jīng)網(wǎng)絡(luò),稱為Dense-U網(wǎng)絡(luò);其中,殘差學(xué)習(xí)模塊具有“多核擴(kuò)展”能力,稠密連接建立在輸入層與各下采樣層之間。實(shí)驗(yàn)表明,Dense-U網(wǎng)絡(luò)殘差學(xué)習(xí)模塊的擴(kuò)展卷積將Dense-U網(wǎng)絡(luò)的感受域擴(kuò)展至與輸入圖像維度相當(dāng),對(duì)避免分割掩碼空洞及降低假陽(yáng)率具有有效作用;Dense-U網(wǎng)絡(luò)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(shí),殘差模塊中恒定的特征通道數(shù)量抑制了網(wǎng)絡(luò)參數(shù)的指數(shù)級(jí)增長(zhǎng),使得Dense-U網(wǎng)絡(luò)特征參數(shù)較擴(kuò)展卷積U-Net減少一個(gè)量級(jí)。因此,綜合分割性能與網(wǎng)絡(luò)參數(shù)量級(jí),Dense-U網(wǎng)絡(luò)具有明顯優(yōu)勢(shì)。此外,基于本文設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)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(dǎo)入、圖像預(yù)處理、模型選擇與分割以及評(píng)估報(bào)告等人機(jī)交互功能,可較為穩(wěn)定、快速地實(shí)現(xiàn)心室的在線分割。
【學(xué)位單位】：海南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)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(yù)估中國(guó)ＣＶＤ患者數(shù)量己經(jīng)達(dá)??到驚人的２．９億，與此同時(shí)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(hào)健康問題，根據(jù)美國(guó)心臟協(xié)會(huì)（Ａｍｅｒｉｃａｎｓ?Ｈｅａｒｔ?Ａｓｓｏｃｉａｔｉｏｎ，ＡＨＡ）??的統(tǒng)計(jì)，每天會(huì)因?yàn)樾难芗膊≡斐沙^２１５０名美國(guó)人死亡［５】。此外，美國(guó)心??臟協(xié)會(huì)的預(yù)測(cè)，到２０３０年，至少有４０．５％的美國(guó)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(bào)告，中國(guó)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(shì)嚴(yán)峻。世界衛(wèi)生組織表明，這種困境在??全球蔓延，每年導(dǎo)致全球死亡人數(shù)估計(jì)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(jì)負(fù)擔(dān)而言

Ａｎｇｌｅ５５°，３６（＾４２０毫米的視野范圍，從基層到頂層進(jìn)行掃描。其中有專業(yè)醫(yī)師已??經(jīng)手動(dòng)標(biāo)注了心內(nèi)膜和心外膜區(qū)域作為訓(xùn)練數(shù)據(jù)，每個(gè)病例中包含已手動(dòng)分割的??１５個(gè)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(xùn)練數(shù)據(jù)，其由１６個(gè)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(cè)試數(shù)??據(jù)（即Ｔｅｓｔｌ組），其由１６個(gè)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(luò)架構(gòu)，因?yàn)樵诒荣愔腥〉昧送怀龀煽?jī)，現(xiàn)在己經(jīng)成為卷積??神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ，ＣＮＮ）在圖像分類上的經(jīng)典模型。??ＡｌｅｘＮｅｔ網(wǎng)絡(luò)結(jié)構(gòu)如圖２－１所示，為８層深度網(wǎng)絡(luò)，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(gè)卷積層，都會(huì)??使整個(gè)網(wǎng)絡(luò)的分類性能大幅下降。其原理是通過圖像輸入后對(duì)其進(jìn)行層層轉(zhuǎn)換，??８??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 馮朝勝;秦志光;袁丁;;云數(shù)據(jù)安全存儲(chǔ)技術(shù)[J];計(jì)算機(jī)學(xué)報(bào);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(zhǔn)分割[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

4 王芳;朱曉麗;丁雪;;我國(guó)基層衛(wèi)生人力資源配置現(xiàn)狀及公平性分析[J];中國(guó)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(yáng);唐杰;;實(shí)時(shí)剪切波彈性成像定量評(píng)價(jià)乳腺良惡性病變[J];中國(guó)醫(yī)學(xué)影像技術(shù);2011年03期

6 ;中國(guó)心血管病預(yù)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(jì)算的應(yīng)用研究[J];信息技術(shù);2010年04期

8 王麗婷;丁曉青;方馳;;一種魯棒的全自動(dòng)人臉特征點(diǎn)定位方法[J];自動(dòng)化學(xué)報(bào);2009年01期

9 朱桂英;張瑞林;;基于Hough變換的圓檢測(cè)方法[J];計(jì)算機(jī)工程與設(shè)計(jì);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(yīng)用[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

相關(guān)碩士學(xué)位論文 前1條

1 陳先昌;基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D];浙江工商大學(xué);2014年

本文編號(hào)：2871911