隨著國內外心腦血管疾病患病人數(shù)的急劇增加,心腦血管疾病的治療方法也在不斷的提升與優(yōu)化,而血管介入手術目前已經(jīng)成為了治療這類疾病的重要手段之一。在進行這個手術的過程中,導絲穿刺介入過程是非常重要且不可缺少的一個環(huán)節(jié)。在當前血管導絲介入的臨床手術中,醫(yī)生主要是通過觀察局部實時的CT影像進行整個導絲介入過程。在這種強噪音的CT影像視頻中,長時間實現(xiàn)導絲視覺鎖定,對于臨床醫(yī)生來說是一個極易產(chǎn)生視覺疲勞的一個過程。而本文研究的內容是利用現(xiàn)有的圖像軟件技術去實現(xiàn)導絲介入過程中的導絲輔助定位功能。研究方法主要是應用張量投票算法實現(xiàn)對CT影像中的導絲線性特征提取并進行自適應閾值分析,再結合了DBSCAN聚類算法對其進行聚類消除其它線性噪音的干擾,從而實現(xiàn)在CT影像中對介入導絲的提取定位。研究過程中主要取得了如下成果:1.本文首次實現(xiàn)了對血管介入手術中CT影像的穿刺導絲檢測定位。通過充分研究分析,利用了穿刺導絲在CT影像中較強線性顯著性這一特征,結合張量投票（TensorVoting）這種具有加強線性特征的一種算法,以及本文設計的自適應像素值濾波分析和經(jīng)優(yōu)化后的DBSCAN密集度聚類算法的綜合處理,使得... 

【文章來源】：貴州大學貴州省211工程院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 國內外研究現(xiàn)狀
        1.3.1 CT影像特征提取
        1.3.2 穿刺導絲及其檢測
    1.4 內容結構安排
    1.5 本章小結
第二章 張量投票算法分析及其在線性檢測中的應用
    2.1 張量的基本知識
        2.1.1 張量的定義及性質
        2.1.2 張量代數(shù)
        2.1.3 張量分解
    2.2 張量投票算法
        2.2.1 張量的編碼表示
        2.2.2 投票過程
        2.2.3 張量的分解和組合
        2.2.4 張量結構特征提取
        2.2.5 幾種張量算子
    2.3 張量投票特征分析
        2.3.1 張量投票的優(yōu)勢
        2.3.2 張量投票的主要應用
    2.4 張量投票算法在線性特征提取中的應用
    2.5 本章小結
第三章 聚類算法分析及其在圖像去噪中的應用
    3.1 聚類簡介
    3.2 幾種聚類算法分析
        3.2.1 劃分聚類
        3.2.2 層次聚類
        3.2.3 模糊聚類
        3.2.4 密集度聚類
    3.3 DBSCAN聚類
        3.3.1 DBSCAN聚類的特點優(yōu)勢
        3.3.2 DBSCAN聚類算法基本流程
    3.4 DBSCAN聚類算法在圖像去噪中的應用
    3.5 本章小結
第四章 基于張量投票的CT影像導絲檢測實現(xiàn)
    4.1 實驗環(huán)境
        4.1.1 實驗數(shù)據(jù)
        4.1.2 軟硬件平臺
    4.2 CT影像數(shù)據(jù)預處理
    4.3 張量投票
        4.3.1 結構張量的提取及張量的編碼表示
        4.3.2 投票參數(shù)的選定
        4.3.3 投票后的自適應閾值濾波分析
    4.4 DBSCAN聚類
        4.4.1 聚類參數(shù)選定
        4.4.2 自適應閾值參數(shù)分析
    4.5 實驗結果
        4.5.1 導絲檢測效果
        4.5.2 導絲檢測效率
    4.6 本章小結
第五章 總結與展望
    5.1 論文總結
    5.2 下一步研究工作
致謝
參考文獻
附錄 ：攻讀碩士學位期間的研究成果


【參考文獻】：
期刊論文
[1]債券流動性研究及應用——基于大數(shù)據(jù)視角[J]. 程昊,凌鈴,衛(wèi)冰清.  債券. 2018(06)
[2]醫(yī)學圖像分割方法[J]. 潘曉航.  電子技術與軟件工程. 2018(11)
[3]非均勻數(shù)據(jù)的變異系數(shù)聚類算法[J]. 楊天鵬,徐鯤鵬,陳黎飛.  山東大學學報(工學版). 2018(03)
[4]基于改進單類支持向量機的工業(yè)控制網(wǎng)絡入侵檢測方法[J]. 劉萬軍,秦濟韜,曲海成.  計算機應用. 2018(05)
[5]Rasch模型與K-means算法應用于試卷分析的對比研究[J]. 戴俊秋,程玉勝.  安慶師范大學學報(自然科學版). 2017(04)
[6]基于數(shù)據(jù)挖掘技術的學生成績分析系統(tǒng)的設計與實現(xiàn)[J]. 陳碩.  科技經(jīng)濟導刊. 2017(34)
[7]《中國心血管病報告2016》要點解讀[J]. 陳偉偉,王文,隋輝,馬麗媛.  中華高血壓雜志. 2017(07)
[8]一種基于感知編組的邊緣直線段檢測方法[J]. 楊玲,阮心玲.  河南大學學報(自然科學版). 2017(03)
[9]基于結構張量的圖像水印算法[J]. 支美麗.  信息技術. 2017(03)
[10]張量投票的機載LiDAR數(shù)據(jù)建筑物自動提取[J]. 楊威,萬幼川,何培培.  測繪科學. 2016(09)

博士論文
[1]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學 2012
[2]冠狀動脈旁路移植術后雙聯(lián)抗血小板治療的臨床研究[D]. 高歌.中國協(xié)和醫(yī)科大學 2009

碩士論文
[1]血管介入手術機器人設計與控制策略研究[D]. 嚴偉瑋.華東交通大學 2018
[2]CT影像數(shù)據(jù)的肺結節(jié)深度檢測與預測方法研究[D]. 趙鑫.太原理工大學 2018
[3]基于點云的輪胎花紋快速逆向建模方法[D]. 孫根基.合肥工業(yè)大學 2018
[4]基于稀疏表示的胃部CT圖像淋巴結檢測與識別[D]. 王辰嬌.西安電子科技大學 2014
[5]張量投票算法及其應用[D]. 秦菁.華東師范大學 2008
[6]基于自適應張量投票的視覺特征結構提取研究[D]. 葉愛芬.蘇州大學 2008
[7]基于張量分析的不完備圖像修復研究[D]. 黃應.華中科技大學 2007



本文編號：3643235