發(fā)布時(shí)間：2020-03-27 19:41

【摘要】：腦腫瘤是一種常見的神經(jīng)系統(tǒng)疾病,高級(jí)膠質(zhì)瘤作為其中最具代表性的惡性腫瘤,已經(jīng)導(dǎo)致了很高的死亡率。作為一種廣泛應(yīng)用的圖像技術(shù),核磁共振(MRI)已經(jīng)憑借其無骨性偽影、多參數(shù)成像、無輻射損害等特點(diǎn)在腦腫瘤圖像分割中得到了普遍的應(yīng)用并成為醫(yī)學(xué)診斷和治療的重要組成部分。因此應(yīng)用MRI技術(shù)進(jìn)行腦瘤分割已成為時(shí)下研究的熱點(diǎn)。傳統(tǒng)的網(wǎng)絡(luò)主要關(guān)注圖像的細(xì)節(jié)信息,忽略了整體特征在分割過程中的重要作用。此外,隨著網(wǎng)絡(luò)深度的增加,一系列問題會(huì)隨之出現(xiàn),例如過擬合、收斂性降低、速度下降,準(zhǔn)確率降低等。同時(shí),在同一卷積層中進(jìn)行尺度單一的卷積操作并不能全面表示特征信息。針對(duì)上述問題,本文尋求并且提出了一種更適合腦瘤結(jié)構(gòu)同時(shí)能夠有效避免上面所提出的問題的自動(dòng)分割方法。我們?cè)O(shè)計(jì)了一個(gè)全新的訓(xùn)練方法——聯(lián)合訓(xùn)練深層網(wǎng)絡(luò)和其相對(duì)應(yīng)的淺層網(wǎng)絡(luò)來有效促進(jìn)網(wǎng)絡(luò)訓(xùn)練,在收斂性提高的同時(shí)更全面地提取分割所需的圖像信息。為了加快訓(xùn)練過程,我們利用已獲得廣泛認(rèn)可的深度殘差網(wǎng)絡(luò)來解決深層網(wǎng)絡(luò)的部分缺點(diǎn),短連接操作也被加入由多個(gè)卷積核較小的卷積層組成的級(jí)聯(lián)層來促進(jìn)梯度流,從而加快網(wǎng)絡(luò)的訓(xùn)練速度。我們?cè)诰W(wǎng)絡(luò)中加入了多尺度的操作,用不同尺度的卷積核同時(shí)提取短范圍和長范圍內(nèi)的背景信息。為了更好的探討不同結(jié)構(gòu)對(duì)分割結(jié)果的影響,我們將網(wǎng)絡(luò)進(jìn)行了局部微調(diào),得到了他的三種變體。我們的方法在BRATS2013和BRATS2015數(shù)據(jù)集上進(jìn)行驗(yàn)證,與五種先進(jìn)的方法相比,本文方法在Complete和Core的Dice和Sensitivity指標(biāo)中獲得了第一名(0.89,0.81,0.89,0.78),并且取得了良好的表現(xiàn)。實(shí)驗(yàn)結(jié)果表明,該方法在提高網(wǎng)絡(luò)訓(xùn)練速度的同時(shí)具有較好的分割精度。
【圖文】：

(a) (b) (c) 3-2 原始圖像與經(jīng)過預(yù)處理圖像的比較結(jié)果： (a)原始圖像，(b)經(jīng)過 N3 處理的圖(c)經(jīng)過 N4ITK 處理的圖像2 腦瘤分割框架CNN 是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)，用來處理多維數(shù)組數(shù)據(jù)，將預(yù)處理得到的輸入 CNN 進(jìn)行進(jìn)一步處理，實(shí)現(xiàn)對(duì)每一個(gè)腫瘤等級(jí)（LGG 和 HGG）的精割。提出的框架如圖 3-3 所示。我們?cè)诒疚闹械呢暙I(xiàn)如下:) 我們利用卷積神經(jīng)網(wǎng)絡(luò)提出了一種全自動(dòng)腦瘤圖像分割方法，同時(shí)在考慮樣和框架特性方面所引起的特征缺失的基礎(chǔ)上提出了三種變形。) 我們提出了一個(gè)并行網(wǎng)絡(luò)，即同時(shí)訓(xùn)練兩個(gè)網(wǎng)絡(luò)深度不同的平行網(wǎng)絡(luò)。通合圖像地整體信息和局部信息，我們的分割結(jié)果可以包含更多的圖像信息

四種CNN模型：(a)DMSCNN，，(b)DSMCNN，(c)DMSACNN，(d)DSMACNN
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP183;TP391.41;R739.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

4 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

5 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

7 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[J];電工技術(shù);2019年11期

8 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2603299