醫(yī)學(xué)圖像分割是指從醫(yī)學(xué)圖像中識(shí)別出器官、組織或病變區(qū)域,提供關(guān)于這些感興趣區(qū)域的形狀、體積和位置等關(guān)鍵信息。臨床上,醫(yī)學(xué)圖像分割是疾病診斷和治療的重要組成部分,通常主要由經(jīng)驗(yàn)豐富的醫(yī)生或?qū)＜沂謩?dòng)完成。隨著醫(yī)學(xué)成像技術(shù)的發(fā)展,醫(yī)學(xué)圖像的規(guī)�？焖僭鲩L(zhǎng),給醫(yī)學(xué)專家?guī)砹舜罅壳曳爆嵉墓ぷ�。因�?許多研究人員提出了醫(yī)學(xué)圖像自動(dòng)分割方法。早期的醫(yī)學(xué)圖像分割方法大多是基于閾值、邊界、活動(dòng)輪廓和圖論等傳統(tǒng)的或基于機(jī)器學(xué)習(xí)的方法,這些方法在分割性能和效率上均不能滿足如今臨床應(yīng)用的需求。深度學(xué)習(xí)能夠通過數(shù)據(jù)驅(qū)動(dòng)的方式從原始圖像數(shù)據(jù)中學(xué)習(xí)最具代表性的特征,并得到顯著優(yōu)于其他方法的分割結(jié)果,近年來已成為醫(yī)學(xué)圖像分割任務(wù)的首選方法。本文以人體脊椎椎骨的3D實(shí)例分割為例,基于深度學(xué)習(xí)技術(shù),對(duì)如何提高分割算法的性能和適用性進(jìn)行了深入研究。本文的主要工作和貢獻(xiàn)如下:（1）針對(duì)現(xiàn)有的大部分椎骨檢測(cè)算法適用場(chǎng)景有限的問題,本文提出了一種新的人體脊椎椎骨檢測(cè)算法。首先從空間和形狀上定義了圖像中每個(gè)點(diǎn)的椎骨中心似然,然后設(shè)計(jì)了2D分割網(wǎng)絡(luò)CentroidNet以實(shí)現(xiàn)椎骨中心似然熱圖的預(yù)測(cè),最后采用基于DBSCAN聚類算法改進(jìn)... 

【文章來源】：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

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人體脊柱解剖圖

卷積操作示意圖

最大池化示意圖


本文編號(hào)：3481138