腦腫瘤疾病的高發(fā)病率和多發(fā)性引起了人們對(duì)這一類(lèi)疾病的高度重視,所以對(duì)于這方面的研究意義重大。隨著計(jì)算機(jī)輔助醫(yī)療診斷在醫(yī)學(xué)領(lǐng)域的廣泛使用,對(duì)于腦腫瘤的精確分割成為腦腫瘤疾病輔助診斷的關(guān)鍵步驟,它能夠?yàn)榕R床醫(yī)生和研究人員提供腫瘤的大小、位置以及病變類(lèi)型等有效信息,同時(shí)精確的定位腦腫瘤和直觀的腦腫瘤病理分析,使得腦腫瘤疾病的治療方案具備可靠的依據(jù)。在目前的臨床診斷過(guò)程中,很大程度上都是依靠臨床醫(yī)生的經(jīng)驗(yàn)來(lái)人工的手動(dòng)分割腦腫瘤,這種方法容易受主觀判斷的影響且結(jié)果準(zhǔn)確度不高。因此在本論文中提出了一個(gè)自動(dòng)高效的腦腫瘤提取方法。近年來(lái),多種深度學(xué)習(xí)方法在醫(yī)學(xué)圖像領(lǐng)域的使用為論文所提出模型提供了理論和技術(shù)支持。在本文中,首先介紹了目前深度學(xué)習(xí)在醫(yī)學(xué)圖像處理方面的相關(guān)研究,然后結(jié)合深度信任網(wǎng)絡(luò)的基本思想和分類(lèi)特性來(lái)引入本文的關(guān)鍵技術(shù),并以此為支撐提出了基于深度信任網(wǎng)絡(luò)的腦腫瘤提取模型。該模型由腦圖像的預(yù)處理、基于深度信任網(wǎng)絡(luò)的腦腫瘤分割和腦腫瘤提取三個(gè)部分構(gòu)成。每一部分的主要研究?jī)?nèi)容如下:1)針對(duì)不同數(shù)據(jù)源和多種格式的數(shù)據(jù)做了圖像預(yù)處理,這一處理過(guò)程主要包括圖像配準(zhǔn)顱骨剝離、圖像降噪以及圖像增強(qiáng)三個(gè)方面... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 研究工作的背景和意義
    1.3 國(guó)內(nèi)外研究歷史和現(xiàn)狀
    1.4 論文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)
    1.5 論文組織結(jié)構(gòu)
第二章 深度信任網(wǎng)絡(luò)和腦部數(shù)據(jù)介紹
    2.1 深度信任網(wǎng)絡(luò)的基本思想
    2.2 傳統(tǒng)深度信任網(wǎng)絡(luò)圖像分類(lèi)的實(shí)現(xiàn)
        2.2.1 分類(lèi)思想
        2.2.2 基于深度信任網(wǎng)絡(luò)的手寫(xiě)數(shù)字圖像分類(lèi)
    2.3 臨床MRI圖像和BRATS數(shù)據(jù)集
        2.3.1 臨床MRI圖像
        2.3.2 BRATS數(shù)據(jù)集
    2.4 本章小結(jié)
第三章 基于深度信任網(wǎng)絡(luò)的腦腫瘤提取模型
    3.1 腦部醫(yī)學(xué)圖像的預(yù)處理
        3.1.1 圖像配準(zhǔn)和顱骨剝離
        3.1.2 圖像濾波
        3.1.3 圖像增強(qiáng)
    3.2 基于深度信任網(wǎng)絡(luò)的腦腫瘤分割
        3.2.1 圖像訓(xùn)練集生成
        3.2.2 基于深度信任網(wǎng)絡(luò)的腦腫瘤圖像分類(lèi)
        3.2.3 分類(lèi)映射提取
    3.3 腦腫瘤提取
        3.3.1 稀疏型閾值分割
        3.3.2 邊緣型腐蝕膨脹
        3.3.3 稠密型二次提取
    3.4 本章小結(jié)
第四章 基于DBN-BTE的單分類(lèi)腦腫瘤提取方法
    4.1 圖像的預(yù)處理
        4.1.1 圖像去噪
        4.1.2 圖像直方圖處理
    4.2 基于DBN-BTE的腦腫瘤單分類(lèi)
        4.2.1 圖像塊提取
        4.2.2 腦腫瘤分類(lèi)
    4.3 單分類(lèi)腦腫瘤提取
        4.3.1 閾值分割
        4.3.2 形態(tài)學(xué)處理
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 實(shí)驗(yàn)設(shè)置與評(píng)價(jià)指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 基于DBN-BTE的多模態(tài)腦腫瘤提取方法
    5.1 BRATS圖像的預(yù)處理
        5.1.1 中值濾波圖像去噪
        5.1.2 基于亮度變換和均衡化的圖像增強(qiáng)
    5.2 基于DBN-BTE的多模態(tài)腦腫瘤分割
        5.2.1 BARTS訓(xùn)練集
        5.2.2 不同模態(tài)腫瘤的分類(lèi)
    5.3 多模態(tài)腫瘤提取
        5.3.1 不同模態(tài)腫瘤區(qū)域提取
        5.3.2 多模態(tài)腫瘤融合
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 實(shí)驗(yàn)設(shè)置
        5.4.3 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3408907