發(fā)布時(shí)間：2017-12-16 20:17

  本文關(guān)鍵詞：三維乳腺超聲圖像的自動(dòng)分割研究

  更多相關(guān)文章： 乳腺超聲圖像 自動(dòng)分割 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：乳腺癌是目前女性最常見的腫瘤疾病,已成為危害女性健康的主要?dú)⑹种�。超聲成像技術(shù)因其無創(chuàng)傷、實(shí)時(shí)性、價(jià)格低廉和操作簡(jiǎn)便等優(yōu)勢(shì),已經(jīng)成為乳腺癌早期診斷的主要方式之一。然而對(duì)超聲圖像的分析受限于醫(yī)生的理論水平和實(shí)踐經(jīng)驗(yàn),僅依靠人工判讀往往會(huì)導(dǎo)致診斷結(jié)果帶有主觀性和難以避免的偏差。乳腺超聲圖像的自動(dòng)分割可以為乳腺癌的診斷提供更加準(zhǔn)確和客觀的參考意見,是計(jì)算機(jī)輔助診斷系統(tǒng)的重要組成部分。但是超聲成像技術(shù)存在斑點(diǎn)噪聲、低對(duì)比度以及低分辨率等固有缺陷,增加了圖像分割的難度。本文致力于研究一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像自動(dòng)分割方法,實(shí)現(xiàn)對(duì)三維乳腺超聲圖像的準(zhǔn)確分割。本文結(jié)合深度學(xué)習(xí)領(lǐng)域中的卷積神經(jīng)網(wǎng)絡(luò)算法,創(chuàng)新地提出了一種乳腺超聲圖像的自動(dòng)分割方法,將圖像的分割任務(wù)轉(zhuǎn)化為圖像中每個(gè)像素點(diǎn)的分類任務(wù)。在提出的方法中,首先根據(jù)醫(yī)生的標(biāo)注采集大量樣本,選取以特征像素點(diǎn)為中心的圖像塊作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,像素點(diǎn)代表的實(shí)際類別作為用于比對(duì)的實(shí)際值;然后設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)作為分類器,對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練,最終在測(cè)試集上取得了 80%以上的準(zhǔn)確率。在使用訓(xùn)練好的模型進(jìn)行超聲圖像的分割時(shí),通過逐個(gè)像素點(diǎn)取圖像塊的方式確定每個(gè)像素點(diǎn)的類別,從而得到最終的分割結(jié)果。本文提出的方法可以正確地區(qū)分出乳腺超聲圖像中的皮膚、腺體和腫瘤等組織區(qū)域,分割出的形狀和輪廓都與醫(yī)生手工標(biāo)注的標(biāo)準(zhǔn)結(jié)果相近,在各項(xiàng)定量評(píng)價(jià)指標(biāo)上也取得了不錯(cuò)的結(jié)果。實(shí)驗(yàn)中通過對(duì)比不同神經(jīng)網(wǎng)絡(luò)參數(shù)配置生成的分割結(jié)果,選取出最優(yōu)的模型;另外通過與其他方法的對(duì)比,說明了本文提出的方法具有一定的優(yōu)勢(shì)。本文使用卷積神經(jīng)網(wǎng)絡(luò)的方法處理復(fù)雜多變的超聲圖像,通過大量的樣本數(shù)據(jù)使計(jì)算機(jī)自主學(xué)習(xí)圖像到實(shí)際類別之間復(fù)雜的映射關(guān)系,更符合人腦的思維方式,而且分割過程無需人為干預(yù),不用借助先驗(yàn)知識(shí),可以實(shí)現(xiàn)完全的自動(dòng)化,在樣本數(shù)據(jù)充足的情況下可以取得更好的通用性,為計(jì)算機(jī)輔助診斷系統(tǒng)提供了新的思路。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R737.9;TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 倪波;何發(fā)智;袁志勇;;一種基于動(dòng)力學(xué)統(tǒng)計(jì)形狀模型的超聲圖像分割方法[J];中國(guó)科學(xué):信息科學(xué);2015年11期

2 黃韞梔;劉奇;;基于LevelSet的超聲乳腺腫瘤圖像的輪廓提取[J];中國(guó)醫(yī)學(xué)影像學(xué)雜志;2013年02期

3 唐金海;姚宇鋒;;早期乳腺癌的診斷和外科治療進(jìn)展[J];中國(guó)普外基礎(chǔ)與臨床雜志;2011年09期

4 楊丞;費(fèi)洪曉;;基于改進(jìn)粒子群的模糊聚類超聲圖像分割[J];科學(xué)技術(shù)與工程;2011年21期

5 蘇燕妮;汪源源;;乳腺腫瘤超聲圖像中感興趣區(qū)域的自動(dòng)檢測(cè)[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2010年02期

6 黃劍華;于瀛星;張英濤;唐降龍;郭延輝;;基于一致性直方圖的超聲乳腺圖片分割方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2008年07期

7 林其忠;余建國(guó);王怡;;超聲乳腺腫瘤圖像的邊緣提取[J];中國(guó)醫(yī)學(xué)影像技術(shù);2007年10期

8 黃永紅;張惠霞;任學(xué)榮;;乳腺鉬靶X線片對(duì)乳腺病的診斷價(jià)值[J];罕少疾病雜志;2007年04期

9 張建;汪天富;李德玉;林江莉;唐紅;饒莉;;基于對(duì)稱區(qū)域生長(zhǎng)算法的超聲醫(yī)學(xué)圖像分割方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年03期

10 陳基明;季家紅;李國(guó)棟;;超聲診斷儀的基本原理及新技術(shù)的應(yīng)用[J];醫(yī)療設(shè)備信息;2006年12期

，

本文編號(hào)：1297324