肝細(xì)胞癌（Hepatocellular Carcinoma,HCC）是世界上致死率最高的常見癌癥之一。在HCC治療的過程中,基于醫(yī)學(xué)影像的病變區(qū)的精準(zhǔn)分割對腫瘤邊界的劃定以及腫瘤體積的測量非常重要。磁共振成像（Magnetic Resonance Imaging,MRI）由于其無創(chuàng)性和軟組織分辨率高等優(yōu)點已成為主要的HCC影像學(xué)檢查手段。多種參數(shù)的MRI圖像可以從不同角度反映腫瘤信息,相互結(jié)合能夠更精準(zhǔn)的識別腫瘤。臨床上,一般通過醫(yī)生手動勾畫完成HCC腫瘤分割,繁瑣且耗時,易因醫(yī)生診斷經(jīng)驗不同造成主觀差異。近年來,機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)圖像處理領(lǐng)域取得了重大突破。深度學(xué)習(xí)算法可以自主學(xué)習(xí)腫瘤特征,挖掘潛在的高維語義信息,達(dá)到腫瘤自動識別、分割的目的。因此,我們首創(chuàng)性地將深度學(xué)習(xí)應(yīng)用到基于多參數(shù)MRI的HCC腫瘤分割領(lǐng)域,利用多種MRI圖像分割的腫瘤結(jié)果構(gòu)建多輸入模式的深度網(wǎng)絡(luò),以準(zhǔn)確、快速、客觀地進(jìn)行HCC腫瘤分割。為研究不同的圖像輸入對HCC腫瘤分割效果的影響,我們提出了基于單參數(shù)MRI和多參數(shù)MRI的兩種分割思路。首先,我們根據(jù)臨床醫(yī)生的經(jīng)驗,使用基于Gd-EOB-DTP... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

Sigmoid函數(shù)曲線

圖 2.6 ReLu 二維數(shù)據(jù)處理圖ReLu 的另一個優(yōu)勢是稀疏度，因為當(dāng) a<=0 時，輸出總是 0， 每一層的神經(jīng)元，結(jié)果就會越稀疏；另一方面 Sigmoid 總是會產(chǎn)生非零值，從而生成稠密表示。稀示使學(xué)習(xí)過程變得更簡單和快捷。.2.1.3 池化層與反池化層池化層是一種簡單的下采樣操作，其主要作用是減少計算量和參數(shù)，同時還能賦絡(luò)平移、旋轉(zhuǎn)、縮放等不變性。在某些場景下，池化層還被用來獲取定長輸入。常池化層主要有兩種，平均值池化和最大值池化。平均池化等同于均值濾波，而最大化層的作用是非極大值抑制，如圖 2.7 所示。3 7685 412最大池化8 5

的 U-Net 分割熱力圖。a1，c1，a2，c2 為輸入的原始圖像，b1，d1，b2，d2 分割熱力圖，顏色越亮表示預(yù)測概率圖中腫瘤響應(yīng)越強(qiáng)烈，且其范圍在[0，1et 方法相對于傳統(tǒng)機(jī)器學(xué)習(xí)逐像素點分類的方式而言，區(qū)別只是通過將整圖作為輸出，其本質(zhì)依然是逐像素點的分類。因此，局部較亮的絡(luò)判定為高概率為腫瘤的像素點。從圖 4.4（b1）中可以看出，除了腫他的相似組織也有響應(yīng)，甚至局部的一些小區(qū)域也有等同于主要腫瘤圖 4.4 中四組圖，可以發(fā)現(xiàn)圖像上大多類似與腫瘤的結(jié)構(gòu)都或多或少這是因為 U-Net 架構(gòu)同時融合了局部的細(xì)節(jié)特征和全局的腫瘤響應(yīng)。區(qū)的特征已被抑制，腫瘤區(qū)的特征被保留下來，因此可以幫助定位腫信息的損失從而只能起到腫瘤的定位作用；引入局部信息可以優(yōu)化避免的也會引入局部組織的響應(yīng)。二者融合之后，隨著梯度的傳遞就部響應(yīng)。是 U-Net 方法的典型分割結(jié)果展示，如圖 4.5 所示。

【參考文獻(xiàn)】：
期刊論文
[1]肝癌合并肝硬化門靜脈高壓行TACE聯(lián)合TIPS治療的安全性與療效[J]. 周思佳,羅小平,劉曦,何明菊.  重慶醫(yī)學(xué). 2017(35)
[2]肝臟增強(qiáng)CT與肝臟MRI在診斷肝癌準(zhǔn)確率方面的對比研究[J]. 項昆,趙鶴亮,張亞杰,鄭昌英.  實用癌癥雜志. 2014(09)
[3]肝MRI對比劑的研究和進(jìn)展[J]. 章士正.  國外醫(yī)學(xué)(臨床放射學(xué)分冊). 1999(04)



本文編號：3113351