發(fā)布時間：2020-09-10 14:06

　　 在胸主動脈疾病手術中,醫(yī)生只能看到不顯示血管結構的X線圖像,因此我們需要將可顯示主動脈血管的術前CT和術中X線圖像結合使用。為此本文提出一種基于分支編解碼結構的深度神經網絡配準算法來為手術提供導航。本文的主要工作及創(chuàng)新之處如下:(1)本文利用真實的胸主動脈術前CT切片組和數字重建影像(Digitally Reconstructured Radiograph,DRR)方法,創(chuàng)建了基于投變換的疊加DRR圖像數據庫。該數據庫被用做深度神經網絡的訓練集和測試集,以實現主動脈DRR圖像的位姿估計。本數據庫利用基于射線追蹤的DRR方法創(chuàng)建,模擬X射線對CT切片組投影,經空間幾何變換后包含五萬余張圖像。(2)提出一種基于編解碼分支結構的深度神經網絡Inception-branch,來對胸主動脈的DRR圖像的位姿進行估計。該網絡的編碼器部分由Inception結構構成,此結構具有良好的深度和寬度,處理復雜問題的能力很強,可以在復雜的圖像內部結構之中很好的提取到可用的特征,進而完成回歸訓練。本網絡的解碼器部分為分支結構。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行解碼計算,減少它們之間的相互干擾。最后為位移和角度的計算定義不同的損失函數,以提升參數回歸的精度。利用創(chuàng)建的疊加DRR圖像數據庫訓練,并進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構下的實驗及分析,最終找到一組最優(yōu)的神經網絡結構。在位移誤差和角度誤差方面,加入分支解碼結構的網絡均比無分支解碼的網絡提升超過3 0%。(3)利用本文提出的深度神經網絡Inception-branch進行胸主動脈術前CT與真實的術中X射線圖像的配準,在視覺觀感和客觀指標評價方面,都達到較高的精度。證明了本文所提算法的有效性和優(yōu)越性。本文對在真實的病例手術中采集的數據上進行實驗,所提出的圖像配準算法無論是在準確率上還是在耗時上都要大大優(yōu)于傳統(tǒng)3D/2D配準算法,耗時從多于3分鐘減少至2秒鐘左右。同時,從精度上看,具有分支解碼結構的深度神經網絡要優(yōu)于不含分支解碼結構的深度神經網絡,將誤差減小30%,證明了所提算法的優(yōu)越性。從配準結果上來看,可以將DRR圖像中的主動脈血管結構清晰完整的疊加在術中X射線圖像里,使均方根誤差上降低了2.1%。
【學位單位】：北方工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R816.2;TP391.41
【部分圖文】：

邐１邐１邋ｍ逡逑圖１－１配準的分類逡逑如上圖，醫(yī)學圖像由于它們在維度上的不同，通常存在２Ｄ／２Ｄ配準，２Ｄ／３Ｄ逡逑配準和３Ｄ／３Ｄ配準三種。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，即２Ｄ／３Ｄ配準在醫(yī)學上有著廣泛的應用［４］。逡逑現如今，胸主動脈疾病（主要是胸主動脈夾層和胸主動脈瘤）發(fā)病率日益增逡逑高，但過往的開胸手術耗時過長，體弱的患者無法支撐Ｒ因此一種針對胸主動逡逑脈的微創(chuàng)手術應運而生，即胸主動脈腔內修復術［６］邋（Ｔｈｏｒａｃｉｃ邋ａｏｒｔｉｃ邋ｅｎｄｏｖａｓｃｕｌａｒ逡逑ｒｅｐａｉｒ，ＴＥＶＡＲ）。與傳統(tǒng)大規(guī)模開胸手術相比，ＴＥＶＡＲ手術具有并發(fā)癥少，風險逡逑性小

間進行比對，尋找一個最優(yōu)的變換，利用這組變換實現配準。逡逑本文研宄的ＴＥＶＡＲ手術的待配準圖像為胸主動脈術前ＣＴ，如圖２－１邋（ａ）逡逑所示；參考圖像為術中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）所示的術中Ｘ線圖像質量差、噪聲多、圖像輪廓不清晰。這些劣勢導致基逡逑于ＴＥＶＡＲ手術的配準策略不能使用基于特征的配準方法，因為上述圖像本身的逡逑特性，無法很好的提取到鮮明的特征點、特征結構等，因此基于特征的配準方法逡逑將不會在本文中得到提及。在本章中將重點說明基于灰度的配準算法以及本文所逡逑提出的基于深度學習的配準算法。逡逑ｌ．邋Ｍ逡逑（ａ）術前ＣＴ邐（ｂ）術中Ｘ線圖像逡逑圖２－１邋ＴＥＶＡＲ手術術前ＣＴＡ與術中Ｘ線圖像逡逑２．１傳統(tǒng)３Ｄ／２Ｄ配準算法逡逑傳統(tǒng)３Ｄ／２Ｄ配準就是通過一定的相似性測度和優(yōu)化策略尋找一個最優(yōu)空間逡逑幾何變換的過程，其問題的關鍵在于如何尋找最優(yōu)的配準參數。我們可以由此得逡逑出，胸主動脈的術前ＣＴＡ與術中Ｘ線圖像配準，是尋找最優(yōu)參數的過程，可以逡逑８逡逑

逡逑面上，數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／！／／／邋Ｉｌｌ邋／））＞／／邋１邋）／邋ｌ／ｌ／ｌ邋Ｊ邋／邋／邋／逡逑數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成像原理可歸結為以下幾個步驟：逡逑（１）

【相似文獻】

相關期刊論文 前10條

1 賈麗娟;;關于圖像分辨率的教學思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識別率與圖像分辨率關系的比較分析[J];計算機工程;2009年11期

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

4 衛(wèi)紅;為DVD機配哪種彩電[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2.5m[J];國際太空;1997年05期

6 宋其華;郭根生;;解析計算機圖像分辨率[J];中國電化教育;2003年11期

7 谷梗;;數字圖像分辨率定義與其計量方法——對“數字電影技術術語普及讀本”有關條目的商榷意見[J];現代電影技術;2013年07期

8 ;教你詳細了解各種分辨率[J];計算機與網絡;2011年24期

9 謝美華;王正明;;圖像分辨率增強的偏微分方程方法[J];遙感學報;2005年06期

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

相關會議論文 前10條

1 楊德強;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[A];第二十七屆中國控制會議論文集[C];2008年

2 翟廣濤;;基于二進小波變換的圖像分辨率增強算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

3 任曉暉;龔勇清;;體全息存儲再現圖像分辨率實驗研究[A];第十一屆全國光學測試學術討論會論文（摘要集）[C];2006年

4 陳樂;強天鵬;章有為;;小徑管CR射線檢測圖像分辨率研究[A];2017遠東無損檢測新技術論壇論文集[C];2017年

5 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強算法研究[A];中國光學學會2011年學術大會摘要集[C];2011年

6 張月婷;仇曉蘭;丁赤飚;雷斌;付琨;;高分辨率SAR圖像橋梁目標仿真與特性分析[A];第三屆高分辨率對地觀測學術年會（地面系統(tǒng)與應用技術分會）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識別技術研究[A];2019年全國公共安全通信學術研討會優(yōu)秀論文集[C];2019年

8 鄭虹;曾坤;郭迪;應佳熙;楊鈺;彭璽;陳忠;屈小波;;基于梯度引導的邊緣增強多對比度腦部MRI圖像超分辨[A];2018第二十屆全國波譜學學術年會會議論文摘要集[C];2018年

9 吳明曉;張晶;;基于深度學習的頸動脈超聲圖像斑塊識別方法[A];中國醫(yī)學裝備大會暨2019醫(yī)學裝備展覽會論文匯編[C];2019年

10 蔡世學;;最新研制的一種小型空載圖象雷達成果[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

相關重要報紙文章 前10條

1 記者 劉霞;迄今最詳細人腦圖像“出爐”[N];科技日報;2019年

2 記者 劉海英;商用打印機印制出隱形圖像[N];科技日報;2016年

3 尹長城 北京大學醫(yī)學部生物物理學系教授 分析中心電鏡室主任 中國生物物理學會冷凍電鏡分會副理事長 中國電子顯微學會低溫電鏡專業(yè)委員會主任;獲諾獎的冷凍電鏡是何方“神器”？[N];北京科技報;2017年

4 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設置[N];中國包裝報;2002年

5 WLF;細說分辨率[N];電腦報;2003年

6 記者 曾遺榮邋通訊員 冷承秋 實習生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

7 燕蘭;先科電子：為品牌DVD正名[N];中國經營報;2000年

8 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

9 ;第四代超級CCD的實力[N];計算機世界;2004年

10 房琳琳;“黎明”號傳回谷神星最清晰圖像[N];科技日報;2015年

相關博士學位論文 前10條

1 卞春江;光學遙感圖像有效區(qū)域在軌實時檢測與壓縮技術研究[D];哈爾濱工業(yè)大學;2018年

2 牛仁杰;星載ATP圖像處理平臺關鍵技術研究[D];中國科學院大學(中國科學院光電技術研究所);2018年

3 穆楠;夜間場景下顯著目標檢測方法研究[D];武漢科技大學;2019年

4 張士杰;超像素級圖像組協(xié)同關聯性分析與研究[D];天津大學;2017年

5 王文勝;寬幅光學遙感圖像艦船飛機目標檢測識別技術研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2018年

6 孫琨;圖像匹配與場景三維重建方法研究[D];華中科技大學;2017年

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

8 王體春;基于保真性準則的圖像智能增強和圖像質量評價的理論和方法[D];重慶醫(yī)科大學;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;2006年

10 宋余慶;醫(yī)學圖像數據挖掘若干技術研究[D];東南大學;2005年

相關碩士學位論文 前10條

1 李麗;立體元圖像陣列編碼研究[D];吉林大學;2019年

2 閆峰;基于優(yōu)化極限學習機算法對焊點的質量識別[D];云南大學;2018年

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

4 韋詩瑩;基于視覺認知的SAR圖像城市建筑物震害損毀快速檢測[D];北京建筑大學;2019年

5 彭懷月;基于延時圖像的小粒咖啡發(fā)育期檢測[D];浙江大學;2019年

6 李浩軒;胸主動脈圖像的配準方法研究[D];北方工業(yè)大學;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;2018年

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

9 柯梅靜;關聯成像空間尺度效應探索研究[D];北京郵電大學;2019年

10 袁t

本文編號：2815916