發(fā)布時(shí)間：2020-09-10 14:06

　　 在胸主動(dòng)脈疾病手術(shù)中,醫(yī)生只能看到不顯示血管結(jié)構(gòu)的X線圖像,因此我們需要將可顯示主動(dòng)脈血管的術(shù)前CT和術(shù)中X線圖像結(jié)合使用。為此本文提出一種基于分支編解碼結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)配準(zhǔn)算法來(lái)為手術(shù)提供導(dǎo)航。本文的主要工作及創(chuàng)新之處如下:(1)本文利用真實(shí)的胸主動(dòng)脈術(shù)前CT切片組和數(shù)字重建影像(Digitally Reconstructured Radiograph,DRR)方法,創(chuàng)建了基于投變換的疊加DRR圖像數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)被用做深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集和測(cè)試集,以實(shí)現(xiàn)主動(dòng)脈DRR圖像的位姿估計(jì)。本數(shù)據(jù)庫(kù)利用基于射線追蹤的DRR方法創(chuàng)建,模擬X射線對(duì)CT切片組投影,經(jīng)空間幾何變換后包含五萬(wàn)余張圖像。(2)提出一種基于編解碼分支結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)Inception-branch,來(lái)對(duì)胸主動(dòng)脈的DRR圖像的位姿進(jìn)行估計(jì)。該網(wǎng)絡(luò)的編碼器部分由Inception結(jié)構(gòu)構(gòu)成,此結(jié)構(gòu)具有良好的深度和寬度,處理復(fù)雜問題的能力很強(qiáng),可以在復(fù)雜的圖像內(nèi)部結(jié)構(gòu)之中很好的提取到可用的特征,進(jìn)而完成回歸訓(xùn)練。本網(wǎng)絡(luò)的解碼器部分為分支結(jié)構(gòu)。由于圖像變換中的位移變換和角度變換在圖像中的表象不同,將位移變換和角度變換分開進(jìn)行解碼計(jì)算,減少它們之間的相互干擾。最后為位移和角度的計(jì)算定義不同的損失函數(shù),以提升參數(shù)回歸的精度。利用創(chuàng)建的疊加DRR圖像數(shù)據(jù)庫(kù)訓(xùn)練,并進(jìn)行了包括不同回歸器、解碼器、編碼器、裁剪方式和多種分支結(jié)構(gòu)下的實(shí)驗(yàn)及分析,最終找到一組最優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。在位移誤差和角度誤差方面,加入分支解碼結(jié)構(gòu)的網(wǎng)絡(luò)均比無(wú)分支解碼的網(wǎng)絡(luò)提升超過3 0%。(3)利用本文提出的深度神經(jīng)網(wǎng)絡(luò)Inception-branch進(jìn)行胸主動(dòng)脈術(shù)前CT與真實(shí)的術(shù)中X射線圖像的配準(zhǔn),在視覺觀感和客觀指標(biāo)評(píng)價(jià)方面,都達(dá)到較高的精度。證明了本文所提算法的有效性和優(yōu)越性。本文對(duì)在真實(shí)的病例手術(shù)中采集的數(shù)據(jù)上進(jìn)行實(shí)驗(yàn),所提出的圖像配準(zhǔn)算法無(wú)論是在準(zhǔn)確率上還是在耗時(shí)上都要大大優(yōu)于傳統(tǒng)3D/2D配準(zhǔn)算法,耗時(shí)從多于3分鐘減少至2秒鐘左右。同時(shí),從精度上看,具有分支解碼結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)要優(yōu)于不含分支解碼結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò),將誤差減小30%,證明了所提算法的優(yōu)越性。從配準(zhǔn)結(jié)果上來(lái)看,可以將DRR圖像中的主動(dòng)脈血管結(jié)構(gòu)清晰完整的疊加在術(shù)中X射線圖像里,使均方根誤差上降低了2.1%。
【學(xué)位單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R816.2;TP391.41
【部分圖文】：

邐１邐１邋ｍ逡逑圖１－１配準(zhǔn)的分類逡逑如上圖，醫(yī)學(xué)圖像由于它們?cè)诰S度上的不同，通常存在２Ｄ／２Ｄ配準(zhǔn)，２Ｄ／３Ｄ逡逑配準(zhǔn)和３Ｄ／３Ｄ配準(zhǔn)三種。其中ＣＴ圖像在維度上屬于３Ｄ圖像，Ｘ線圖像則屬于逡逑２Ｄ圖像，上述兩類圖像的配準(zhǔn)，即２Ｄ／３Ｄ配準(zhǔn)在醫(yī)學(xué)上有著廣泛的應(yīng)用［４］。逡逑現(xiàn)如今，胸主動(dòng)脈疾�。ㄖ饕切刂鲃�(dòng)脈夾層和胸主動(dòng)脈瘤）發(fā)病率日益增逡逑高，但過往的開胸手術(shù)耗時(shí)過長(zhǎng)，體弱的患者無(wú)法支撐Ｒ因此一種針對(duì)胸主動(dòng)逡逑脈的微創(chuàng)手術(shù)應(yīng)運(yùn)而生，即胸主動(dòng)脈腔內(nèi)修復(fù)術(shù)［６］邋（Ｔｈｏｒａｃｉｃ邋ａｏｒｔｉｃ邋ｅｎｄｏｖａｓｃｕｌａｒ逡逑ｒｅｐａｉｒ，ＴＥＶＡＲ）。與傳統(tǒng)大規(guī)模開胸手術(shù)相比，ＴＥＶＡＲ手術(shù)具有并發(fā)癥少，風(fēng)險(xiǎn)逡逑性小

間進(jìn)行比對(duì)，尋找一個(gè)最優(yōu)的變換，利用這組變換實(shí)現(xiàn)配準(zhǔn)。逡逑本文研宄的ＴＥＶＡＲ手術(shù)的待配準(zhǔn)圖像為胸主動(dòng)脈術(shù)前ＣＴ，如圖２－１邋（ａ）逡逑所示；參考圖像為術(shù)中Ｘ線圖像，如圖２－１邋（ｂ）所示。從圖２－１可看出，圖２－１逡逑（ｂ）所示的術(shù)中Ｘ線圖像質(zhì)量差、噪聲多、圖像輪廓不清晰。這些劣勢(shì)導(dǎo)致基逡逑于ＴＥＶＡＲ手術(shù)的配準(zhǔn)策略不能使用基于特征的配準(zhǔn)方法，因?yàn)樯鲜鰣D像本身的逡逑特性，無(wú)法很好的提取到鮮明的特征點(diǎn)、特征結(jié)構(gòu)等，因此基于特征的配準(zhǔn)方法逡逑將不會(huì)在本文中得到提及。在本章中將重點(diǎn)說明基于灰度的配準(zhǔn)算法以及本文所逡逑提出的基于深度學(xué)習(xí)的配準(zhǔn)算法。逡逑ｌ．邋Ｍ逡逑（ａ）術(shù)前ＣＴ邐（ｂ）術(shù)中Ｘ線圖像逡逑圖２－１邋ＴＥＶＡＲ手術(shù)術(shù)前ＣＴＡ與術(shù)中Ｘ線圖像逡逑２．１傳統(tǒng)３Ｄ／２Ｄ配準(zhǔn)算法逡逑傳統(tǒng)３Ｄ／２Ｄ配準(zhǔn)就是通過一定的相似性測(cè)度和優(yōu)化策略尋找一個(gè)最優(yōu)空間逡逑幾何變換的過程，其問題的關(guān)鍵在于如何尋找最優(yōu)的配準(zhǔn)參數(shù)。我們可以由此得逡逑出，胸主動(dòng)脈的術(shù)前ＣＴＡ與術(shù)中Ｘ線圖像配準(zhǔn)，是尋找最優(yōu)參數(shù)的過程，可以逡逑８逡逑

逡逑面上，數(shù)字重建影像的原理圖如圖２－３所示。逡逑ｘ邋／／－邋ｊ邋４邐像序列逡逑／／／／／／／／／／／／／／／／＞／ｙ／／／／／／／逡逑ｊ邋ｉ邋１１邋ｊ邋／邋ｉ邋ｉ邋ｉ邋ｆ邋ｆ邋ｉ邋Ｉ邋／邋ｆ邋ｉ邋／邋ｉ邋Ｐ邋＾邋ｊ邋ｆ邋／邋Ｉ邋Ｔｆ逡逑酬ｉｆｆ逡逑／�。澹桑欤戾澹荆澹卞澹澹欤欤戾澹叔澹澹澹义蠑�(shù)字重迂放射影像平而逡逑圖２－３射線追蹤法ＤＲＲ成像原理逡逑如上圖所示，射線追蹤法ＤＲＲ成像原理可歸結(jié)為以下幾個(gè)步驟：逡逑（１）

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識(shí)別率與圖像分辨率關(guān)系的比較分析[J];計(jì)算機(jī)工程;2009年11期

3 張秀屏，劉錫國(guó)，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 衛(wèi)紅;為DVD機(jī)配哪種彩電[J];家庭科技;2000年07期

5 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達(dá)2.5m[J];國(guó)際太空;1997年05期

6 宋其華;郭根生;;解析計(jì)算機(jī)圖像分辨率[J];中國(guó)電化教育;2003年11期

7 谷梗;;數(shù)字圖像分辨率定義與其計(jì)量方法——對(duì)“數(shù)字電影技術(shù)術(shù)語(yǔ)普及讀本”有關(guān)條目的商榷意見[J];現(xiàn)代電影技術(shù);2013年07期

8 ;教你詳細(xì)了解各種分辨率[J];計(jì)算機(jī)與網(wǎng)絡(luò);2011年24期

9 謝美華;王正明;;圖像分辨率增強(qiáng)的偏微分方程方法[J];遙感學(xué)報(bào);2005年06期

10 呂慶元;;關(guān)于圖形圖像分辨率、色彩與輸出的探討[J];安徽地質(zhì);2007年04期

相關(guān)會(huì)議論文 前10條

1 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 翟廣濤;;基于二進(jìn)小波變換的圖像分辨率增強(qiáng)算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

3 任曉暉;龔勇清;;體全息存儲(chǔ)再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

4 陳樂;強(qiáng)天鵬;章有為;;小徑管CR射線檢測(cè)圖像分辨率研究[A];2017遠(yuǎn)東無(wú)損檢測(cè)新技術(shù)論壇論文集[C];2017年

5 趙源萌;鄧朝;張馨;張存林;;被動(dòng)式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

6 張?jiān)骆?仇曉蘭;丁赤飚;雷斌;付琨;;高分辨率SAR圖像橋梁目標(biāo)仿真與特性分析[A];第三屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)（地面系統(tǒng)與應(yīng)用技術(shù)分會(huì)）優(yōu)秀論文集[C];2014年

7 張龍;張翔;孟新秀;;基于圖像的艦船目標(biāo)識(shí)別技術(shù)研究[A];2019年全國(guó)公共安全通信學(xué)術(shù)研討會(huì)優(yōu)秀論文集[C];2019年

8 鄭虹;曾坤;郭迪;應(yīng)佳熙;楊鈺;彭璽;陳忠;屈小波;;基于梯度引導(dǎo)的邊緣增強(qiáng)多對(duì)比度腦部MRI圖像超分辨[A];2018第二十屆全國(guó)波譜學(xué)學(xué)術(shù)年會(huì)會(huì)議論文摘要集[C];2018年

9 吳明曉;張晶;;基于深度學(xué)習(xí)的頸動(dòng)脈超聲圖像斑塊識(shí)別方法[A];中國(guó)醫(yī)學(xué)裝備大會(huì)暨2019醫(yī)學(xué)裝備展覽會(huì)論文匯編[C];2019年

10 蔡世學(xué);;最新研制的一種小型空載圖象雷達(dá)成果[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 記者 劉霞;迄今最詳細(xì)人腦圖像“出爐”[N];科技日?qǐng)?bào);2019年

2 記者 劉海英;商用打印機(jī)印制出隱形圖像[N];科技日?qǐng)?bào);2016年

3 尹長(zhǎng)城 北京大學(xué)醫(yī)學(xué)部生物物理學(xué)系教授 分析中心電鏡室主任 中國(guó)生物物理學(xué)會(huì)冷凍電鏡分會(huì)副理事長(zhǎng) 中國(guó)電子顯微學(xué)會(huì)低溫電鏡專業(yè)委員會(huì)主任;獲諾獎(jiǎng)的冷凍電鏡是何方“神器”？[N];北京科技報(bào);2017年

4 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國(guó)包裝報(bào);2002年

5 WLF;細(xì)說分辨率[N];電腦報(bào);2003年

6 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國(guó)一高科技公司將落戶武漢[N];湖北日?qǐng)?bào);2007年

7 燕蘭;先科電子：為品牌DVD正名[N];中國(guó)經(jīng)營(yíng)報(bào);2000年

8 宋連黨;家庭VCD像冊(cè)大制作[N];中國(guó)電腦教育報(bào);2003年

9 ;第四代超級(jí)CCD的實(shí)力[N];計(jì)算機(jī)世界;2004年

10 房琳琳;“黎明”號(hào)傳回谷神星最清晰圖像[N];科技日?qǐng)?bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 卞春江;光學(xué)遙感圖像有效區(qū)域在軌實(shí)時(shí)檢測(cè)與壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

2 牛仁杰;星載ATP圖像處理平臺(tái)關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所);2018年

3 穆楠;夜間場(chǎng)景下顯著目標(biāo)檢測(cè)方法研究[D];武漢科技大學(xué);2019年

4 張士杰;超像素級(jí)圖像組協(xié)同關(guān)聯(lián)性分析與研究[D];天津大學(xué);2017年

5 王文勝;寬幅光學(xué)遙感圖像艦船飛機(jī)目標(biāo)檢測(cè)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2018年

6 孫琨;圖像匹配與場(chǎng)景三維重建方法研究[D];華中科技大學(xué);2017年

7 霍麗娜;基于視覺感知與注意機(jī)制的圖像顯著目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2016年

8 王體春;基于保真性準(zhǔn)則的圖像智能增強(qiáng)和圖像質(zhì)量評(píng)價(jià)的理論和方法[D];重慶醫(yī)科大學(xué);2018年

9 湯楊;基于圖像繪制的Image Warping理論與方法研究[D];南京理工大學(xué);2006年

10 宋余慶;醫(yī)學(xué)圖像數(shù)據(jù)挖掘若干技術(shù)研究[D];東南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 李麗;立體元圖像陣列編碼研究[D];吉林大學(xué);2019年

2 閆峰;基于優(yōu)化極限學(xué)習(xí)機(jī)算法對(duì)焊點(diǎn)的質(zhì)量識(shí)別[D];云南大學(xué);2018年

3 余鎮(zhèn);深度學(xué)習(xí)在胎兒超聲圖像與皮膚鏡圖像分類中的研究與應(yīng)用[D];深圳大學(xué);2018年

4 韋詩(shī)瑩;基于視覺認(rèn)知的SAR圖像城市建筑物震害損毀快速檢測(cè)[D];北京建筑大學(xué);2019年

5 彭懷月;基于延時(shí)圖像的小�？Х劝l(fā)育期檢測(cè)[D];浙江大學(xué);2019年

6 李浩軒;胸主動(dòng)脈圖像的配準(zhǔn)方法研究[D];北方工業(yè)大學(xué);2019年

7 鄧q.月;基于色素分離的皮膚鏡圖像皮損分割研究[D];武漢理工大學(xué);2018年

8 李世勛;基于最優(yōu)搜索策略的肝臟CT圖像自動(dòng)分割方法研究[D];蘭州財(cái)經(jīng)大學(xué);2019年

9 柯梅靜;關(guān)聯(lián)成像空間尺度效應(yīng)探索研究[D];北京郵電大學(xué);2019年

10 袁t

本文編號(hào)：2815916