心血管疾病是嚴(yán)重困擾和威脅全人類(lèi)身體健康的三大疾病之一,每年因心血管疾病致死的人數(shù)多達(dá)兩千萬(wàn)。冠狀動(dòng)脈CTA具有費(fèi)用低、創(chuàng)傷小、簡(jiǎn)便有效快捷等優(yōu)點(diǎn)。但傳統(tǒng)的冠脈圖像分割方法工作量大、復(fù)雜度高、分割精度有待提高,為了有效提高醫(yī)務(wù)工作者的工作效率,實(shí)現(xiàn)對(duì)冠狀動(dòng)脈圖像又快又準(zhǔn)確的分割,這就需要借助于基于深度學(xué)習(xí)框架的圖像處理技術(shù)�，F(xiàn)今熱門(mén)的深度學(xué)習(xí)對(duì)醫(yī)學(xué)圖像進(jìn)行識(shí)別處理具有重要的實(shí)際意義和臨床價(jià)值。冠狀動(dòng)脈血管結(jié)構(gòu)復(fù)雜且噪聲干擾較多,目前還沒(méi)有一種絕對(duì)通用的且分割精度完美的方法。本文將基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像語(yǔ)義分割方法應(yīng)用于冠脈CTA圖像的血管分割。主要研究?jī)?nèi)容如下:1)由于醫(yī)學(xué)影像的成像原理和心臟組織結(jié)構(gòu)的復(fù)雜性,血管結(jié)構(gòu)不可避免地受到心臟運(yùn)動(dòng)噪聲和非血管結(jié)構(gòu)的干擾,低對(duì)比度、模糊和亮度不均勻等問(wèn)題給醫(yī)生的準(zhǔn)確診斷帶來(lái)困難。本文利用能凸顯更多圖像信息的灰度圖像矩陣,結(jié)合保邊去噪較好的雙邊濾波和LoG算子,并選取適當(dāng)?shù)拈撝?有效地將冠狀動(dòng)脈CTA中的血管細(xì)節(jié)信息顯現(xiàn)出來(lái),最后輸出去噪后的圖像,為FCN融合模型的分割做準(zhǔn)備。與經(jīng)典高斯去噪、均值濾波等算法作比較,本文的去噪算法不僅去除了噪聲而... 

【文章來(lái)源】：內(nèi)蒙古科技大學(xué)內(nèi)蒙古自治區(qū)

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
引言
1 緒論
    1.1 冠脈圖像分割背景
    1.2 研究目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 文章結(jié)構(gòu)安排
    1.5 本文創(chuàng)新點(diǎn)
2 冠狀動(dòng)脈圖像分割的相關(guān)知識(shí)
    2.1 血管造影技術(shù)
        2.1.1 磁共振血管造影
        2.1.2 數(shù)字減影血管造影技術(shù)
        2.1.3 非創(chuàng)傷性血管成像技術(shù)
    2.2 傳統(tǒng)的冠狀動(dòng)脈圖像分割方法
        2.2.1 基于閾值的分割方法
        2.2.2 基于區(qū)域的分割方法
        2.2.3 基于邊緣的分割方法
    2.3 本章小結(jié)
3 基于CTA的醫(yī)學(xué)圖像預(yù)處理
    3.1 灰度圖像矩陣
    3.2 雙邊濾波
    3.3 LoG算子
    3.4 閾值選取
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
4 基于多源融合FCN的冠狀動(dòng)脈分割方法
    4.1 算法概述
    4.2 全卷積神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)
        4.2.1 全卷積神經(jīng)網(wǎng)絡(luò)概述
        4.2.2 全卷積神經(jīng)網(wǎng)絡(luò)基本原理
        4.2.3 全卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    4.3 空洞卷積
    4.4 深度可分卷積
    4.5 基于多源融合的全卷積神經(jīng)網(wǎng)絡(luò)
        4.5.1 FCN的性能提升方法
        4.5.2 改進(jìn)的DeepLab網(wǎng)絡(luò)模型
    4.6 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果對(duì)比及分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)設(shè)置
    5.2 實(shí)驗(yàn)結(jié)果及實(shí)驗(yàn)分析
    5.3 本章總結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)展望工作
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]心血管影像技術(shù)的發(fā)展、現(xiàn)狀及未來(lái)[J]. 葛均波,戴宇翔.  中華心血管病雜志. 2017 (08)
[2]區(qū)域分裂合并法在圖像分割中的應(yīng)用[J]. 程帥.  福建電腦. 2013(06)
[3]一種利用零交叉點(diǎn)理論的改進(jìn)SIFT特征提取算法[J]. 萬(wàn)雪,張祖勛,柯濤.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(03)
[4]頭頸部磁共振血管成像技術(shù)研究[J]. 于平年,王文甲,崔原,靳云鳳,祖景世.  實(shí)用醫(yī)學(xué)影像雜志. 2012(04)
[5]BP神經(jīng)網(wǎng)絡(luò)在臺(tái)階爆破參數(shù)優(yōu)化中的應(yīng)用[J]. 王璞,王維鋒,徐海波.  露天采礦技術(shù). 2012(03)
[6]基于B樣條自由形變模型的醫(yī)學(xué)圖像非剛性配準(zhǔn)算法研究[J]. 安綠波,肖孟強(qiáng).  電腦知識(shí)與技術(shù). 2012(07)
[7]基于最佳方向性梯度通量血管增強(qiáng)的冠脈分割[J]. 張朝霞,陳曉冬,李宏霄,汪毅,郁道銀,賈忠偉,浦奎,王星.  納米技術(shù)與精密工程. 2012(01)
[8]圖像分割技術(shù)在血管圖像中的應(yīng)用[J]. 王小燕,許建榮.  中國(guó)介入影像與治療學(xué). 2009(01)
[9]三層介質(zhì)人體模型中電磁波傳輸?shù)难芯縖J]. 王劍,和偉.  云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(03)
[10]醫(yī)學(xué)數(shù)字圖像和通訊標(biāo)準(zhǔn)——DICOM[J]. 張崴,�，|.  現(xiàn)代醫(yī)藥衛(wèi)生. 2005(01)

碩士論文
[1]基于視覺(jué)的涂膠檢測(cè)技術(shù)研究[D]. 馬瀟.天津工業(yè)大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的腦血管自動(dòng)分割算法研究[D]. 陳圓.電子科技大學(xué) 2017
[3]冠狀動(dòng)脈CTA圖像三維分割技術(shù)研究[D]. 姜偉.內(nèi)蒙古科技大學(xué) 2015
[4]面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D]. 楊棟.浙江大學(xué) 2015



本文編號(hào)：3152806