發(fā)布時(shí)間：2021-10-07 15:21

　　冠狀動(dòng)脈疾病是威脅人類生命安全的頭號(hào)殺手,因此對(duì)冠狀動(dòng)脈疾病的早期預(yù)防和診斷非常重要。斑塊的存在和冠狀動(dòng)脈血管狹窄是引發(fā)冠心病的主要原因,對(duì)斑塊的檢測(cè)和冠狀動(dòng)脈血管分割成為檢測(cè)冠狀動(dòng)脈疾病的首選方案。目前診斷冠狀動(dòng)脈疾病的主流方法是冠狀動(dòng)脈CT血管造影技術(shù)（CTA）,這一技術(shù)能夠產(chǎn)生大量的冠脈圖像數(shù)據(jù),通過對(duì)CTA圖像進(jìn)行處理可以實(shí)現(xiàn)冠狀動(dòng)脈血管的定位和狹窄分級(jí),以用于冠狀動(dòng)脈疾病的診斷。CT圖像的處理方法已經(jīng)成為當(dāng)前計(jì)算機(jī)輔助診斷領(lǐng)域研究的熱點(diǎn),圖像分割是醫(yī)學(xué)圖像處理中的重要工具,它可以根據(jù)不同的組織類型和器官將圖像分割成不同區(qū)域,用于可視化和診斷�，F(xiàn)如今的醫(yī)學(xué)圖像大多來自CT、MRI等現(xiàn)代成像技術(shù),這些技術(shù)會(huì)產(chǎn)生大量的數(shù)據(jù),如果進(jìn)行手工或半自動(dòng)分割,過程費(fèi)時(shí)、繁瑣且依賴于臨床專家的經(jīng)驗(yàn)。并且由于CT圖像灰度不均勻、邊界模糊不清等問題,傳統(tǒng)的分割方法雖然可以分割出冠狀動(dòng)脈血管的輪廓邊界,但分割準(zhǔn)確率不夠理想。因此,對(duì)更高效的分割算法的研究是非常必要的。近年來,隨著深度學(xué)習(xí)領(lǐng)域的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)開始應(yīng)用于醫(yī)學(xué)領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)的多層結(jié)構(gòu)能夠提取高質(zhì)量的特征,其中較淺的卷積層學(xué)習(xí)局... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元模型

其中輸入nX x,x,,x12 是來自神經(jīng)元1x （輸入信號(hào)1）到神經(jīng)元nx （輸入信號(hào)n）的輸出， TnW w,w,w12 是連接神經(jīng)元 X 與當(dāng)前神經(jīng)元的參數(shù)，iw代表輸入信號(hào)i與當(dāng)前神經(jīng)元之間的權(quán)重，代表著神經(jīng)元之間的連接強(qiáng)度； 為閾值， f 為傳遞函數(shù)， y為輸出，則當(dāng)前神經(jīng)元的輸出可表示為： 2 .20 1 niiiyfwx（2） 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在人工神經(jīng)網(wǎng)絡(luò)（ANN）中，網(wǎng)絡(luò)分為三個(gè)層次，如圖 2.2，首先是輸入層，接收外部信息經(jīng)處理后傳給隱藏層；隱藏層，接收到輸入層傳來的信息，同過加權(quán)處理和傳遞準(zhǔn)則在神經(jīng)元間進(jìn)行信息處理，最后傳給輸出層；輸出層：接收隱藏層的信息，對(duì)信息進(jìn)行綜合后反饋給外界。圖中包括 n 個(gè)輸入，輸出 m 個(gè)概率。

圖 2.3 正向傳播和誤差反向傳播（4）激活函數(shù)神經(jīng)元作為神經(jīng)網(wǎng)絡(luò)的基本單位，神經(jīng)元的計(jì)算函數(shù)被稱為激活函數(shù)，激活函數(shù)的目的是將非線性因素添加到神經(jīng)網(wǎng)絡(luò)中，常用的激活函數(shù)有：Sigmoid 函數(shù)、雙曲正切函數(shù)（tanh）、ReLu 函數(shù)（Rectified Linear Units）。Sigmoid 函數(shù)，也就是 logistic 函數(shù)，也被稱為 S 曲線，公式如下： 2 .21 11 zesigmoidz 函數(shù)圖如下：

【參考文獻(xiàn)】：
期刊論文
[1]《中國(guó)心血管病報(bào)告2017》要點(diǎn)解讀[J]. 馬麗媛,吳亞哲,王文,陳偉偉.  中國(guó)心血管雜志. 2018(01)



本文編號(hào)：3422297