在臨床診斷中,活組織切片檢查（活檢）是肝臟占位性病變確診的最有效的檢查方法,然而活檢作為一種侵入性檢查,難免會給患者帶來身體和身心上的傷害,同時易產(chǎn)生并發(fā)癥。醫(yī)學(xué)成像技術(shù)的快速發(fā)展為肝臟占位性病變的鑒別提供了新的手段,醫(yī)生可以從影像中觀察病變的征象,并進行分析和診斷。目前用于肝臟占位性病變檢查的醫(yī)學(xué)影像技術(shù)十分依賴操作者的經(jīng)驗與技術(shù),而且往往還存在主觀性強、重復(fù)性低、勞動強度大、效率低下等缺點,因此肝臟占位性病變自動輔助檢測理論與技術(shù)在臨床應(yīng)用中有著極其重要的理論與現(xiàn)實意義。本文在總結(jié)國內(nèi)外研究成果的基礎(chǔ)上,以肝臟CT影像為主要研究對象,利用卷積神經(jīng)網(wǎng)絡(luò)對低質(zhì)量腹部影像增強重建、肝臟區(qū)域檢測、肝臟分割、病變區(qū)域檢測與病變類型診斷等關(guān)鍵技術(shù)進行研究,闡明深度學(xué)習(xí)算法的多層網(wǎng)絡(luò)機制和數(shù)學(xué)模型,揭示醫(yī)學(xué)影像內(nèi)部本質(zhì)特征,最終提升肝臟占位性病變自動輔助診斷精度。本文的主要工作總結(jié)如下:（1）低質(zhì)量的CT影像將嚴重影響目標檢測、分割、特征提取、病灶識別等后續(xù)影像分析應(yīng)用。CT掃描能夠獲取患者體內(nèi)解剖結(jié)構(gòu),廣泛地應(yīng)用于臨床檢查與疾病診斷,但CT影像的重建質(zhì)量與曝光時間或成像速度密切相關(guān)。如何改善C... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：149 頁

【學(xué)位級別】：博士

【部分圖文】：

CT肝臟及其占位性病變區(qū)域影像對比

1緒論17醫(yī)學(xué)影像內(nèi)不同目標之間相互作用的影像上下文信息對影像語義特征的提取起著至關(guān)重要的作用。為了實現(xiàn)基于語義特征的肝臟疾病診斷，必須解決對于影像內(nèi)容的語義信息的適當(dāng)描述及充分利用該語義信息的問題。因此，如何在深度學(xué)習(xí)框架下合理地描述影像語義特征，是提升診斷檢測的精度，增強模型泛化能力所面對的重要科學(xué)問題。圖1-2本文的總體研究方案Figure1-2OverallResearchSchemesforOurthesis1.4.2具體研究內(nèi)容本文主要是以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，對腹部醫(yī)學(xué)影像進行增強、肝臟檢測、分割、診斷識別等關(guān)鍵技術(shù)進行研究，建立一個魯棒、客觀、可重復(fù)、高效和高準確率的肝臟腫瘤醫(yī)學(xué)影像檢測平臺，為患者和臨床醫(yī)生帶來更好的治療體驗，其具體研究內(nèi)容如下：（1）CT掃描能夠獲取患者體內(nèi)解剖結(jié)構(gòu)，廣泛地應(yīng)用于臨床檢查與疾病診斷，但其CT影像的重建質(zhì)量與X射線輻射劑量、重構(gòu)算法、成像設(shè)備密切相關(guān)。如何改善CT影像質(zhì)量一直都是圖像增強領(lǐng)域的研究熱點�，F(xiàn)有基于深度網(wǎng)絡(luò)的圖像增強算法直接學(xué)習(xí)退化圖像與清晰圖像之間的映射函數(shù)，忽略了觀測模型保真項的約束。若能提出一種用于低質(zhì)量CT圖像的改進神經(jīng)網(wǎng)絡(luò)圖像增強算法，通過將圖像增強任務(wù)嵌入到一個深度網(wǎng)絡(luò)中，該網(wǎng)絡(luò)由多個殘差增強模塊和反投影模塊交錯而成，可以實現(xiàn)觀測模型保真項一致性約束。該部分的研究工作錄用和發(fā)表在SCI期刊《JournalofMedicalImagingandHealthInformatics》上。

博士學(xué)位論文20強后的影像序列中直接檢測肝臟區(qū)域，縮小感興趣區(qū)域的范圍，可以增強后續(xù)分割與識別的精度；第四章是深度語義肝臟占位性診斷系統(tǒng)的肝臟分割模塊，可以從獲得的肝臟檢測定位區(qū)域入手，分割出完整的肝臟區(qū)域，是后續(xù)語義分割與診斷的關(guān)鍵；第五章是深度語義肝臟占位性診斷系統(tǒng)的語義分割及腫瘤分類模塊，是整個系統(tǒng)的核心，該模型能夠在完整的肝臟區(qū)域分割出內(nèi)部占位性病灶區(qū)域，并利用小波核空間的LSSVM向量機最終實現(xiàn)占位性病變的診斷。最后，第六章是對本文的研究內(nèi)容進行總結(jié)和展望。圖1-3各章節(jié)內(nèi)容關(guān)系圖Figure1-3RelationshipDiagramofEachChapter

【參考文獻】：
期刊論文
[1]融合顏色顯著性和似物性的顯著物體檢測[J]. 黃煒亮,段先華,徐丹,張明,於躍成,黃樹成.  江蘇科技大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[2]視見科技:將“AI+醫(yī)學(xué)影像”的技術(shù)優(yōu)勢發(fā)揮到極致[J]. 尹佳林.  科技與金融. 2018(07)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的低劑量CT肺部去噪[J]. 呂曉琪,吳涼,谷宇,張明,李菁.  電子與信息學(xué)報. 2018(06)
[4]人工智能糖網(wǎng)眼底圖像識別在真實世界的應(yīng)用[J]. 黃瀟,谷碩,馬曉曄,梁文君,張韻,高連娣,魏銳利.  情報工程. 2018(01)
[5]基于兩層策略的SAR圖像局部不變特征點的匹配方法[J]. 趙愛罡,范小虎,趙乾,王建永,葛春.  電光與控制. 2019(01)
[6]改進Chan-Vese模型的肝癌消融CT圖像腫塊分割方法[J]. 謝志南,鄭東,陳嘉耀,洪國斌.  激光與光電子學(xué)進展. 2017(02)
[7]基于圖割和水平集的腎臟醫(yī)學(xué)圖像分割[J]. 時永剛,譚繼雙,劉志文.  計算機科學(xué). 2016(07)
[8]基于DRLSE方法的全自動CT圖像脂肪肝診斷系統(tǒng)[J]. 王家坤,孫建軍,高鳳連,帥海濤,黃聯(lián)芬,黃悅.  廈門大學(xué)學(xué)報(自然科學(xué)版). 2014(06)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的慢性腎病分級輔助診斷專家系統(tǒng)設(shè)計[J]. 馮嬌嬌,吳效明.  中國醫(yī)學(xué)物理學(xué)雜志. 2014(01)
[10]基于能量最小化的腎臟計算斷層掃描圖像分割方法[J]. 張品,梁艷梅,常勝江,范海倫.  物理學(xué)報. 2013(20)

博士論文
[1]基于機器學(xué)習(xí)的醫(yī)學(xué)影像分割關(guān)鍵問題研究及其在腫瘤診療中的應(yīng)用[D]. 秦文健.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院) 2019

碩士論文
[1]基于深度學(xué)習(xí)的肝臟CT影像分割方法的研究與應(yīng)用[D]. 馬樹志.吉林大學(xué) 2017



本文編號：3115159