隨著當今社會的發(fā)展,醫(yī)用技術在人們生活日常診療中愈發(fā)重要,CT圖像、MRI圖像的數量也不斷增加,單靠人力來進行醫(yī)學圖像的分割識別已經難以滿足現今需求,因此,利用計算機技術來進行自動分割受到研究人員的廣泛關注。本文以牙齒CT圖像為切入點進行研究,研究的內容包括水平集算法與神經網絡相結合的半自動標注分割技術,三維卷積神經網絡分割技術,最終設計并實現了一個醫(yī)學圖像牙齒CT算法分割平臺。目前,神經網絡技術應用廣泛,其有效性也得到廣泛承認,但是神經網絡訓練模型時所使用的訓練集數量龐大,醫(yī)學圖像難以提供足夠有效樣本,且人工標注存在耗時過于嚴重的問題,容易造成數據過擬合問題導致模型無法應用于訓練集外的圖像,這也是目前醫(yī)學圖像領域深度學習發(fā)展遠不如其它圖像處理的主要原因。本文利用水平集算法,結合曲線演化理論,使得初始化曲線收斂于圖像邊界,并輸出圖像邊界作為標記,實現半自動標注,用以神經網絡的訓練,最終通過訓練的網絡模型完成分割;針對醫(yī)學圖像在訓練中難以定位的問題,提出了基于卷積的三維分割網絡,網絡使用CT圖像序列集之間的距離數據構建第三維度信息,實現醫(yī)學圖像在三維空間中的分割;為解決神經網絡算法之間不... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：81 頁

【學位級別】：碩士

【部分圖文】：

牙齒分割算法結構流程

第二章相關理論基礎92.2二維分割算法2.2.1水平集算法水平集算法最開始主要用于描述類似火焰的邊界等具有高動態(tài)和高拓撲的結構變化，最近十幾年得到廣泛的推廣與應用。其核心思想是通過高維函數曲面來表達低維的曲線或曲面，并通過求解水平集函數的方程來捕捉運動邊界，簡單的說來，水平集算法將低維的一些計算上升到更高一維，把N維的描述看成是N＋1維的一個水平，如圖2-2所示，展示了水平集算法的演化過程。算法優(yōu)勢：第一，高維時的拓撲變化能簡單的獲取到，不存在太多斷點；第二，高維演化不需要時時的進行參數化；第三，高維的計算更精確，更具有健壯性；第四，水平集算法可以向更高維進行拓展；除此之外，上升到高維空間中后，許多成熟的算法可以直接使用，如偏微分方程的理論及其數值化等。圖2-2水平集算法原理[57]基于曲線演化理論的圖像分割方法可以劃分為四大類：1.基于閾值的分割方法；2.基于邊緣檢測的分割算法；3.基于區(qū)域的分割算法；4.基于模型的分割方法，如圖2-3所示。在基于模型分割方法中，幾何主動輪廓模型與水平集算法又尤為突出，Chan-Vese模型為水平集算法的代表體現。圖2-3曲線演化理論發(fā)展

第二章相關理論基礎92.2二維分割算法2.2.1水平集算法水平集算法最開始主要用于描述類似火焰的邊界等具有高動態(tài)和高拓撲的結構變化，最近十幾年得到廣泛的推廣與應用。其核心思想是通過高維函數曲面來表達低維的曲線或曲面，并通過求解水平集函數的方程來捕捉運動邊界，簡單的說來，水平集算法將低維的一些計算上升到更高一維，把N維的描述看成是N＋1維的一個水平，如圖2-2所示，展示了水平集算法的演化過程。算法優(yōu)勢：第一，高維時的拓撲變化能簡單的獲取到，不存在太多斷點；第二，高維演化不需要時時的進行參數化；第三，高維的計算更精確，更具有健壯性；第四，水平集算法可以向更高維進行拓展；除此之外，上升到高維空間中后，許多成熟的算法可以直接使用，如偏微分方程的理論及其數值化等。圖2-2水平集算法原理[57]基于曲線演化理論的圖像分割方法可以劃分為四大類：1.基于閾值的分割方法；2.基于邊緣檢測的分割算法；3.基于區(qū)域的分割算法；4.基于模型的分割方法，如圖2-3所示。在基于模型分割方法中，幾何主動輪廓模型與水平集算法又尤為突出，Chan-Vese模型為水平集算法的代表體現。圖2-3曲線演化理論發(fā)展


本文編號：3076060