【摘要】：在醫(yī)學領域中,醫(yī)學影像的分析和處理在醫(yī)生進行疾病診斷起到了重要的輔助作用。近年來,越來越多的研究者開始關注醫(yī)學圖像處理中的模式識別、分類以及分割等處理技術(shù)。機器學習技術(shù)使研究人員能夠開發(fā)和利用復雜的模型來分類或預測各種異�；蚣膊�,或者進行醫(yī)學病灶的識別和分割。近幾年來,深度學習的快速發(fā)展使得醫(yī)學圖像的輔助診斷作用發(fā)展到了巔峰。本文基于深度學習的方法對醫(yī)學圖像中的心臟血管圖像的形態(tài)和功能進行了分析,對進一步分析疾病進行輔助診斷有著重大的意義。本文中遇到的研究挑戰(zhàn)一個是由于醫(yī)學圖像的復雜性和保密性,目前用于公開的數(shù)據(jù)集比較少,而且由于醫(yī)學圖像的標注需要專業(yè)性的評估,因此帶標簽的數(shù)據(jù)集更少。另一個就是由于醫(yī)學圖像一般為灰度圖像,蘊含的特征比較少,在傳統(tǒng)的機器學習中大多用到的是基于灰度紋理等特征,使得分析十分具有局限性�；诖�,本文的主要工作有以下三個:(1)構(gòu)造了血管內(nèi)超聲圖像的一些系列數(shù)據(jù)集,本文中的數(shù)據(jù)是采集自醫(yī)院的臨床數(shù)據(jù),十分具有臨床意義。首先是人類正常血管和分叉血管的數(shù)據(jù)集,此數(shù)據(jù)集中包括2288張圖像,其中正常血管圖像1144張,分叉血管圖像1144張,在專業(yè)醫(yī)生的指導下對分叉血管和正常血管進行標注。然后分別構(gòu)造了分叉血管和正常血管的內(nèi)外膜分割數(shù)據(jù)集,其中分叉血管數(shù)據(jù)有1144張,正常血管數(shù)據(jù)有5216張,數(shù)據(jù)集中內(nèi)外膜的標注是由專業(yè)的醫(yī)學生進行標注,具有一定的醫(yī)學可信度。最后構(gòu)造的心臟血管圖像功能性分析數(shù)據(jù)集是基于醫(yī)院生物實驗數(shù)據(jù),采集了兔子動脈粥樣硬化模型的23個血管病理切片和相應的3535張血管內(nèi)超聲圖像。(2)提出了一個基于深度學習的血管內(nèi)超聲圖像處理系統(tǒng),在此系統(tǒng)中將深度學習的方法應用到血管內(nèi)超聲圖像的分類及內(nèi)外膜分割中。首先是基于四種經(jīng)典分類網(wǎng)絡AlexNet、VGG、ResNet以及DenseNet對分叉血管和正常血管進行分類處理,并對四種分類模型進行評估得到最優(yōu)分類模型;然后將此最優(yōu)分類模型中得到的分類結(jié)果即分叉血管和正常血管分別利用四種分割網(wǎng)絡FCN、DeepLab v2、DeepLabv3+以及GAN進行內(nèi)外膜的分割,對這四種分割網(wǎng)絡評估其分割性能,將分割效果最好的網(wǎng)絡保存并輸出分割結(jié)果;最后將得到的內(nèi)外膜分割結(jié)果進行三維重建,以便進行下一步的分析,輔助醫(yī)生進行疾病分析和診斷。(3)基于深度學習提出了一種確定區(qū)分易損斑塊和穩(wěn)定斑塊易損性指數(shù)分界點的新方法,對醫(yī)學圖像進一步進行了分析。首先,收集兔子動脈粥樣硬化斑塊模型的血管內(nèi)超聲圖像,然后將相應的血管制成病理切片以計算易損性指數(shù),確定一個易損指數(shù),并以易損指數(shù)為依據(jù)制作標簽。在此易損指數(shù)之上,它被標記為易破裂的斑塊也就是不穩(wěn)定的斑塊,在此易損指數(shù)之下,則視為穩(wěn)定斑塊。根據(jù)得到的標簽和血管內(nèi)超聲圖像,利用卷積神經(jīng)網(wǎng)絡進行分類,然后連續(xù)替換易損指數(shù)點,可以分別得到相應的分類準確率。根據(jù)易損性指數(shù)與準確率的擬合關系,找到分類精度最高的易損指數(shù)�？梢哉J為這是最佳的易損指數(shù)分類點。根據(jù)實驗結(jié)果,該最優(yōu)易損指數(shù)的臨界點是1.022。然而當試圖擴大易損指數(shù)范圍時,發(fā)現(xiàn)該擬合曲線不再適用。因此,將擬合函數(shù)換為傅里葉變換,此擬合曲線具有一定的周期性。在對驗證集進行驗證后,發(fā)現(xiàn)驗證集的分類精度在易損指數(shù)為2.398時達到最大值。當數(shù)據(jù)源由血管內(nèi)超聲圖像改變?yōu)榘邏K成分數(shù)據(jù)作為分類數(shù)據(jù)時,可以發(fā)現(xiàn)該規(guī)則仍然存在。但是此時發(fā)現(xiàn)的最佳易損指數(shù)略有下降,變?yōu)?.198。最終基于驗證集上對獲得的易損指數(shù)分類點做驗證,最高準確率為76.5%。這表明該方法在尋找最佳分類易損指數(shù)點方面具有一定的效果。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;R540.4
【圖文】：

中不僅可以精確的丈量管腔直徑長度從而計算容積，還可以測量斑塊的大小，更逡逑重要的是可以提供斑塊的組織信息，從而輔助冠心病的診斷和有效的介入治療。逡逑下圖１－１是一幅ＩＶＵＳ圖像，從圖中可以看出黃色線標注的是血管外膜，紅色逡逑２逡逑

以及輸出層。輸入層主要是接收輸入信息，并將信息輸送到隱藏層；隱藏層的作逡逑用就是將接受到的輸入層的信息經(jīng)過操作之后傳到輸出層；輸出層則更為簡單，逡逑就是輸出整個的計算結(jié)果。人工神經(jīng)網(wǎng)絡模型圖如下圖２－１所示：逡逑ｙ逡逑▲逡逑輸出層逡逑ｉ邋＋ｌ邋）邋隱藏層逡逑＋ｉ隱藏層逡逑Ｘｉ邋Ｘ２邋Ｘ３逡逑圖２－１人工神經(jīng)網(wǎng)絡模型圖逡逑如圖２－１所示，可以看出各層之間是全連接的關系，而同層之間無連接。在前逡逑向傳播過程中，假設輸入信號為Ｘ＝［；＾ｅ７？Ｄ，那么輸出信號ｙ的計算公式如下逡逑所示：逡逑外0／：邋０）邋＝邋／⑵（Ｚｆ＝１邋＜２）／⑴邋＋邋（過＝１邐ｂ⑴）＋邋４２））邐（２－１邋）逡逑在上述公式中，上標代表層索引，／⑵（？）、／⑴（■）代表指定層的非線性激活函逡逑數(shù)，Ｍ代表隱藏層神經(jīng)元的數(shù)量，Ｄ是輸入信號的數(shù)量，０邋＝邋｛ｖｖ（１），邋ｗ（２＼邋ｆｃＷ，邋Ｍ２）｝是逡逑參數(shù)向量。由于整個計算過程是以前向方式進行的，因此這種網(wǎng)絡也稱為前饋神逡逑經(jīng)網(wǎng)絡。逡逑在神經(jīng)網(wǎng)絡的實驗過程中，主要就是學習參數(shù)向量的過程。這過程可以描述逡逑為誤差函數(shù)最小化。對于前饋神經(jīng)網(wǎng)絡來說，可以通過誤差反向傳播算法（Ｂａｃｋ逡逑Ｐｒｏｐａｇａｔｉｏｎ）邋［３Ｓ］來評估梯度

【相似文獻】

相關期刊論文 前10條

1 申文鳳;;不同年齡急性心肌梗死患者冠脈造影及血管內(nèi)超聲特征研究[J];內(nèi)蒙古醫(yī)學雜志;2016年10期

2 高穎;;光學相干斷層成像與血管內(nèi)超聲成像技術(shù)應用對比[J];科技創(chuàng)新與應用;2016年26期

3 武德崴;俞夢越;吳永健;;冠狀動脈光學相干斷層成像與血管內(nèi)超聲成像臨床應用進展[J];心血管病學進展;2014年01期

4 梁國慶;趙季紅;陳少伯;張建起;姜鐵民;;經(jīng)橈動脈介入應用硝酸甘油和維拉帕米對橈動脈體積影響的血管內(nèi)超聲研究[J];武警后勤學院學報(醫(yī)學版);2013年12期

5 ;中國血管內(nèi)超聲學院近日成立[J];中國醫(yī)藥導刊;2011年06期

6 王舜娟;陳秋芳;胡穗儒;;血管內(nèi)超聲消融術(shù)后的觀察及護理[J];護士進修雜志;2010年20期

7 Sousa J. E.;Costa M. A.;Abizaid A.;高登峰;;對西羅莫司洗脫支架治療患者進行4年血管造影和血管內(nèi)超聲隨訪[J];世界核心醫(yī)學期刊文摘(心臟病學分冊);2005年10期

8 戚躍勇,孫清榮,鄒利光,宋躍明,黃嵐;動脈粥樣硬化斑塊的血管內(nèi)超聲消融[J];臨床放射學雜志;2004年10期

9 戚躍勇,鄒利光,劉衛(wèi)金,程相晨,夏良,宋躍明,何作云;動脈粥樣硬化狹窄的血管內(nèi)超聲消融療效[J];心血管康復醫(yī)學雜志;2004年06期

10 王愛林,劉麗,劉軍,陳國俊;血管內(nèi)超聲消融治療下肢動脈硬化閉塞癥36例分析[J];中華普通外科雜志;2002年01期

相關會議論文 前10條

1 鄭雨田;周玲玲;;血管內(nèi)超聲圖像處理技術(shù)進展(綜述)[A];天津市生物醫(yī)學工程學會第29屆學術(shù)年會暨首屆生物醫(yī)學工程前沿科學研討會論文集[C];2009年

2 王愛林;劉麗;劉軍;陳國俊;;血管內(nèi)超聲消(?)治療下肢動脈硬化閉塞癥[A];全國中西醫(yī)結(jié)合周圍血管疾病學術(shù)研討會論文選編[C];2001年

3 葛均波;;血管內(nèi)超聲在冠脈介入治療中的應用[A];中華醫(yī)學會第一次全國介入醫(yī)學學術(shù)會議論文匯編[C];2001年

4 杜潤;張瑞巖;朱政斌;張奇;胡健;張建盛;沈衛(wèi)峰;;國產(chǎn)與進口西羅莫司洗脫支架置入后血管內(nèi)超聲隨訪對比[A];中華醫(yī)學會第11次心血管病學術(shù)會議論文摘要集[C];2009年

5 王舜娟;陳秋芳;胡穗儒;;血管內(nèi)超聲消融術(shù)后臨床觀察及護理[A];全國外科護理學術(shù)交流暨專題講座會議、全國神經(jīng)內(nèi)、外科護理學術(shù)交流暨專題講座會議論文匯編[C];2010年

6 李亞麗;佘淑明;張文明;;血管內(nèi)超聲在冠狀動脈支架置入術(shù)中的應用與護理配合[A];2013年河南省介入診療技術(shù)規(guī)范化護理管理培訓班暨學術(shù)會議論文集[C];2013年

7 康維強;宋達琳;;血管內(nèi)超聲識別冠狀動脈重構(gòu)的靜態(tài)與動態(tài)方法[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術(shù)會議論文匯編[C];2009年

8 張宇輝;陳明;劉怡;苗愛雨;馬靜;羅淮;宮本敬史;Robert J．Siegel;;血管內(nèi)超聲評估在冠心病患者的冠狀動脈重構(gòu)[A];第九屆全國超聲心動圖學術(shù)會議論文集[C];2007年

9 宋達琳;許文亮;康維強;;急性冠狀動脈綜合征患者參考血管病變對血管內(nèi)超聲評估冠狀動脈重構(gòu)的影響[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術(shù)會議論文匯編[C];2009年

10 劉軍翔;楊濤;宋冬林;李春華;;血管內(nèi)超聲-虛擬組織學對冠脈臨界病變斑塊易損性[A];中華醫(yī)學會第十五次全國心血管病學大會論文匯編[C];2013年

相關重要報紙文章 前10條

1 ;交流影像技術(shù)提高診斷水平[N];中國醫(yī)藥報;2003年

2 李振華;血管內(nèi)超聲：一種新興的診療技術(shù)[N];健康報;2006年

3 衣曉峰 施e

本文編號：2726848