隨著醫(yī)學(xué)成像技術(shù)的發(fā)展,醫(yī)學(xué)圖像已成為醫(yī)生診斷疾病的重要手段,因此,為了減輕醫(yī)生的負(fù)擔(dān)并降低疾病的診斷難度,對圖像的自動處理和分析具有非常重要的意義。傳統(tǒng)的醫(yī)學(xué)圖像處理算法嚴(yán)重依賴于人工設(shè)計的特征,而這類特征的設(shè)計比較復(fù)雜,加上模型的泛化能力比較差,無法適應(yīng)實際應(yīng)用中由于成像條件和個體原因?qū)е碌膱D像間差異很大的情況。近年來,隨著深度學(xué)習(xí)在計算機(jī)視覺、語音處理等領(lǐng)域取得的突破性的進(jìn)展,越來越多的研究者開始將深度學(xué)習(xí)應(yīng)用于醫(yī)學(xué)圖像的檢測、分割、診斷等任務(wù)中。本文采用深度學(xué)習(xí)的算法實現(xiàn)醫(yī)學(xué)圖像中對目標(biāo)的自動檢測和分割的任務(wù)。本文的主要工作及創(chuàng)新點如下:首先,針對眼底圖像中視盤檢測的任務(wù),設(shè)計了一個端到端的卷積神經(jīng)網(wǎng)絡(luò)模型。利用經(jīng)過對應(yīng)數(shù)據(jù)訓(xùn)練得到的模型對測試圖像進(jìn)行檢測,得到包含視盤位置的概率圖,之后加上閾值處理和計算重心的方式實現(xiàn)視盤最終的檢測。從模型評估的結(jié)果中可以看出,本文設(shè)計的網(wǎng)絡(luò)能夠?qū)Ω鞣N類型的視網(wǎng)膜眼底圖像實現(xiàn)對視盤快速、準(zhǔn)確地檢測,且在不同的數(shù)據(jù)集上具有很好的泛化性能,相比于同類算法有更好的效果。其次,對于眼底圖像血管分割的任務(wù),本文介紹了一種基于條件生成對抗網(wǎng)絡(luò)的血管分割算法... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元模型

感知機(jī)模型

圖 2.3 多尺度采樣結(jié)構(gòu)的 FCNsU-Net 是目前圖像分割領(lǐng)域中廣泛應(yīng)用的一個網(wǎng)絡(luò)，可以看作是 FCNs 的一種改進(jìn)，目前大量的分割網(wǎng)絡(luò)都是基于 U-Net 的改進(jìn)。前面已經(jīng)提到，F(xiàn)CNs 最大的缺點在于網(wǎng)絡(luò)得到的結(jié)果比較粗糙，這一問題很大一部分是因為解碼器的結(jié)構(gòu)過于簡單即只有一個上采樣層。U-Net 設(shè)計了一個與編碼器結(jié)構(gòu)對稱的解碼器，編碼器產(chǎn)生的每一個特征圖拼接到解碼器上對應(yīng)的層上。

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像片馬爾科夫隨機(jī)場的腦MR圖像分割算法[J]. 宋艷濤,紀(jì)則軒,孫權(quán)森.  自動化學(xué)報. 2014(08)
[2]基于投影的視網(wǎng)膜眼底圖像視盤檢測方法[J]. 張東波,易瑤,趙圓圓.  中國生物醫(yī)學(xué)工程學(xué)報. 2013(04)



本文編號：3353289