本文選題：膀胱脫垂 + 隨機森林��； 參考：《深圳大學》2017年碩士論文

【摘要】：膀胱脫垂是一種常見的女性疾病,準確的膀胱脫垂分級結(jié)果對于后續(xù)治療至關(guān)重要。近年來,盆底超聲(Pelvic floor ultrasound,PFUS)作為一種新型技術(shù)應用到膀胱脫垂疾病的診斷當中。在臨床上,醫(yī)生需要先采集患者做Valsalva動作時的超聲視頻,然后測量視頻中膀胱(Bladder,BL)至恥骨聯(lián)合(Symphysis pubis,SP)參考線的最大距離(Maximal descent of the bladder,MDB),以該距離作為評估膀胱脫垂的標準。然而,這個過程非常耗時同時依賴于操作者的主觀判斷。因此,本論文提出一種在超聲視頻中基于回歸模型的膀胱脫垂自動分級框架。使用計算機自動化膀胱脫垂分級能夠很大程度上提高臨床診斷中的效率,緩解醫(yī)生的工作壓力,為臨床醫(yī)生在處理和分析超聲圖像上節(jié)省時間。本論文中提出兩個基于回歸模型的方法用于實現(xiàn)膀胱脫垂自動分級。首先,我們提出基于多階段回歸模型(Multi-phase regression model,MPRM)的膀胱脫垂自動分級方法。其次,我們提出基于時空回歸模型(Spatio-temporal regression model,STRM)的膀胱脫垂自動分級方法。我們將兩種自動化方法的結(jié)果與三位醫(yī)生手動標注的結(jié)果做比較,并且取得了非常好的一致性。就我所知,本論文是在盆底超聲中膀胱脫垂分級的首次自動化研究。在MPRM的方法中,我們將SP的下緣點、中軸線和BL的定位和分割作為一個有監(jiān)督的學習問題,監(jiān)督信息來自于醫(yī)生的手動標注。在第一階段,我們利用隨機森林來尋找圖像和幾何特征與三個解剖結(jié)構(gòu)距離的映射,考慮到三個解剖結(jié)構(gòu)之間的位置關(guān)系,在第二階段,我們用自動上下文(Auto-context)的方法對特征進行增強同時訓練二階段的隨機森林回歸器。在STRM的方法中,我們同時在時域和空域提取圖像的表觀特征與上下文特征。提取不同時間點的特征能夠保證檢測結(jié)果在時間上的一致性。最終,我們在85例盆底超聲視頻序列中測試算法的效果。基于MPRM的方法預測結(jié)果的準確率最高達到78.82%,基于STRM的方法預測結(jié)果的準確率最高達到87.06%。同時我們比較了醫(yī)生標注之間的組間差異。結(jié)果表明,我們的方法已經(jīng)達到醫(yī)生手動標注的準確率。
[Abstract]:In this paper , we put forward two methods for automatic grading of bladder prolapse based on regression model . In the first stage , we propose two methods for automatic grading of bladder prolapse based on multi - phase regression model ( MPRM ) .
【學位授予單位】：深圳大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TB559;R694

【參考文獻】

相關(guān)期刊論文 前1條

1 王慧芳;陳華;折瑞蓮;徐繁華;陳秋香;劉云平;郭娟;王詩雅;;經(jīng)會陰超聲評估前盆腔器官脫垂程度與臨床盆腔器官脫垂定量分期的相關(guān)性研究[J];中華超聲影像學雜志;2013年08期

，

本文編號：1962402