醫(yī)學(xué)圖像中的曲線結(jié)構(gòu)體泛指二維醫(yī)學(xué)圖像中縱橫交錯并相互連接的線條狀結(jié)構(gòu)集合,在眼科醫(yī)學(xué)圖像中廣泛存在。臨床醫(yī)學(xué)表明,眼科醫(yī)學(xué)圖像中的曲線結(jié)構(gòu)如視網(wǎng)膜血管、角膜神經(jīng)等通常與年齡相關(guān)的黃斑病變、糖尿病、青光眼、高血壓、動脈硬化以及多發(fā)性硬化等疾病息息相關(guān)。此外視網(wǎng)膜血管分割也是后續(xù)動靜脈血管分類的基礎(chǔ),在眼科疾病的診斷過程中起到了極大的輔助作用。曲線結(jié)構(gòu)體研究有兩大難點(diǎn):1)多模態(tài)低信噪比圖像中小尺度曲線結(jié)構(gòu)體的分割;2)斷裂曲線結(jié)構(gòu)體的修復(fù)。完整的曲線結(jié)構(gòu)為臨床治療提供更加精確的輔助信息,其連通性對建立曲線結(jié)構(gòu)的拓?fù)浣Y(jié)構(gòu)、動靜脈分類等至關(guān)重要。結(jié)合神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力和隨機(jī)游走算法的群體趨勢性、個體隨機(jī)性的綜合優(yōu)勢,本文提出一種面向眼科醫(yī)學(xué)圖像中的典型曲線結(jié)構(gòu)體分割和斷裂血管修復(fù)方法。本文主要貢獻(xiàn)包括:1)提出一種基于密集空洞卷積神經(jīng)網(wǎng)絡(luò)的曲線結(jié)構(gòu)體分割方法。利用神經(jīng)網(wǎng)絡(luò)優(yōu)秀的分類能力,設(shè)計基于卷積神經(jīng)網(wǎng)絡(luò)的曲線結(jié)構(gòu)體分割網(wǎng)絡(luò),分割眼科醫(yī)學(xué)圖像中的彩色眼底視網(wǎng)膜血管。相比傳統(tǒng)方法,本文的方法優(yōu)勢在于減少了人工設(shè)計特征提取的大量工作,采用基于學(xué)習(xí)的方式讓網(wǎng)絡(luò)自主提取特征,彌補(bǔ)了人工設(shè)... 

【文章來源】：武漢科技大學(xué)湖北省

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究主要內(nèi)容和主要創(chuàng)新點(diǎn)
    1.4 章節(jié)安排
    1.5 本章小結(jié)
第2章 基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法
    2.1 基于區(qū)域分類的語義分割方法
        2.1.1 基于候選區(qū)域的語義分割方法
        2.1.2 基于分割掩膜的語義分割方法
    2.2 基于像素分類的語義分割方法
        2.2.1 全監(jiān)督語義分割
        2.2.2 弱監(jiān)督語義分割
    2.3 基于注意力機(jī)制的分割方法
        2.3.1 強(qiáng)注意力
        2.3.2 軟注意力
        2.3.3 自注意力
    2.4 醫(yī)學(xué)圖像中曲線結(jié)構(gòu)分割
    2.5 本章小結(jié)
第3章 基于密集空洞卷積網(wǎng)絡(luò)和概率正則化游走的血管分割方法
    3.1 密集空洞網(wǎng)絡(luò)
        3.1.1 網(wǎng)絡(luò)框架
        3.1.2 密集空洞卷積模塊
        3.1.3 多尺度Dice Coefficient損失函數(shù)
    3.2 概率正則化游走算法
    3.3 實(shí)驗設(shè)計及實(shí)驗結(jié)果
        3.3.1 實(shí)驗數(shù)據(jù)
        3.3.2 評價指標(biāo)
        3.3.3 模型訓(xùn)練及測試
        3.3.4 PRW算法超參數(shù)設(shè)置
        3.3.5 消融實(shí)驗
        3.3.6 血管分割實(shí)驗
    3.4 本章小結(jié)
第4章 多模態(tài)低信噪比圖像曲線結(jié)構(gòu)體分割
    4.1 通道和空間注意力網(wǎng)絡(luò)
        4.1.1 網(wǎng)絡(luò)架構(gòu)
        4.1.2 注意力模塊
        4.1.3 損失函數(shù)設(shè)計
    4.2 實(shí)驗數(shù)據(jù)
        4.2.1 彩色眼底視網(wǎng)膜血管數(shù)據(jù)集
        4.2.2 角膜共聚焦顯微成像數(shù)據(jù)集
        4.2.3 光學(xué)相干斷層掃描成像數(shù)據(jù)集
    4.3 實(shí)驗設(shè)計與實(shí)驗結(jié)果
        4.3.1 彩色眼底視網(wǎng)膜血管分割
        4.3.2 角膜共聚焦神經(jīng)提取
        4.3.3 光學(xué)相干斷層掃描毛細(xì)血管分割
        4.3.4 實(shí)驗結(jié)論
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項目
中文詳細(xì)摘要


【參考文獻(xiàn)】：
期刊論文
[1]基于雙流網(wǎng)絡(luò)的視網(wǎng)膜血管分割方法[J]. 呂曉文,邵楓,熊義明,楊偉山.  光學(xué)學(xué)報. 2020(04)
[2]基于改進(jìn)U-Net的視網(wǎng)膜血管圖像分割[J]. 雷軍明,王成鋼,劉雪燕.  信息技術(shù)與信息化. 2019(10)
[3]基于有偏隨機(jī)游走的曲線目標(biāo)斷裂連接方法[J]. 盧明,陳黎,田菁.  計算機(jī)工程與設(shè)計. 2019(10)
[4]基于多尺度濾波的視網(wǎng)膜血管分割算法[J]. 梁禮明,盛校棋,藍(lán)智敏,錢艷群.  計算機(jī)應(yīng)用與軟件. 2019(10)
[5]基于超像素仿射傳播聚類的視網(wǎng)膜血管分割[J]. 許言兵,周陽,李燦標(biāo),鄭楚君,張潤谷,王文斌.  光學(xué)學(xué)報. 2020(02)
[6]面向少樣本網(wǎng)狀結(jié)構(gòu)體的候選區(qū)域自適應(yīng)檢測方法[J]. 牟磊,陳黎.  計算機(jī)應(yīng)用研究. 2019(12)
[7]形狀約束下活動輪廓模型冠脈血管圖像多尺度分割[J]. 郭笑妍,梅雪,李振華,曹佳松,周宇.  中國圖象圖形學(xué)報. 2016(07)
[8]光學(xué)相干斷層掃描血管成像技術(shù)在糖尿病視網(wǎng)膜病變中的應(yīng)用[J]. 劉青,艾明.  國際眼科雜志. 2016(04)
[9]利用MRF方法的高分辨率影像道路提取[J]. 余長慧,易堯華.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2011(05)
[10]基于遺傳算法的SAR圖像自動道路提取[J]. 賈承麗,趙凌君,吳其昌,匡綱要.  中國圖象圖形學(xué)報. 2008(06)

碩士論文
[1]角膜共聚焦顯微鏡參數(shù)特點(diǎn)分析及在糖尿病周圍神經(jīng)病變中的應(yīng)用[D]. 李麗麗.山東大學(xué) 2018



本文編號：3168017