腦腫瘤的發(fā)病率與致死率連年提升,且存在向各年齡段擴散發(fā)展的趨勢。對腦腫瘤的預(yù)防,診斷與治療是重中之重。傳統(tǒng)手段依靠醫(yī)生對腦部MRI切片圖像進行判斷,易受人為因素影響,效率較低。計算機圖像處理與深度學(xué)習(xí)為腦腫瘤診療提供了新的助力。使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)能夠快速穩(wěn)定的對腦腫瘤MRI圖像進行分割,輔助醫(yī)生進行腦腫瘤的診斷,提升分割的精度與速度。使用三維重建技術(shù)能夠形象直觀的呈現(xiàn)出腦腫瘤的立體形態(tài),有助于醫(yī)生之間探討交流患者的病情,制定合適的治療方案。本文以臨床數(shù)據(jù)集和BraTS2017數(shù)據(jù)集為實驗數(shù)據(jù),根據(jù)數(shù)據(jù)集的不同特點總共進行了三項工作:腦腫瘤圖像的去噪,腦腫瘤分割和腦腫瘤三維重建。本文的主要工作如下:（1）腦腫瘤圖像的去噪,臨床數(shù)據(jù)集除了人工標(biāo)記腫瘤外沒有經(jīng)過任何人工處理,存在非零黑色背景噪聲和偏置場噪聲,會影響后續(xù)分割的效果。因此使用了最大類間方差法與形態(tài)學(xué)操作相結(jié)合的方法去除腦圖像中的非零黑色背景,使用N4ITK法矯正腦圖像的偏置場,通過結(jié)果展示證明算法較好地去除了噪聲。（2）腦腫瘤的分割,本文使用卷積神經(jīng)網(wǎng)絡(luò)進行分割,參考并復(fù)現(xiàn)了 FCN,U-Net,SegNet,Attent... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１數(shù)據(jù)集對比??１１??

圖２－２背景噪聲現(xiàn)象??左圖為原圖，右圖為進行閾值為０的二值化得到的二值圖

圖２－３膨脹示意圖??１３??

【參考文獻】：
期刊論文
[1]基于電勢能改進的區(qū)域生長腦腫瘤圖像分割[J]. 蔣秋霖,王昕.  軟件工程. 2018(08)
[2]一種基于形態(tài)學(xué)的腦腫瘤分割[J]. 李曉龍,帥仁俊.  液晶與顯示. 2015(01)
[3]腦腫瘤的MR診斷進展[J]. 陸娜,馮曉源,何慧瑾.  磁共振成像. 2011(01)
[4]基于統(tǒng)計閾值的腦腫瘤MRI圖像的分割方法[J]. 桑林瓊,邱明國,王莉,張靜娜,張曄.  生物醫(yī)學(xué)工程研究. 2010(04)
[5]改進的主動輪廓模型在腦腫瘤MRI圖像輪廓提取中的應(yīng)用[J]. 李謙,李慶鵬,林家瑞.  計算機與數(shù)字工程. 2007(11)
[6]一種基于亮度均衡的圖像閾值分割技術(shù)[J]. 彭興邦,蔣建國.  計算機技術(shù)與發(fā)展. 2006(11)
[7]腦腫瘤顯微手術(shù)的進展[J]. 陳明振.  中華顯微外科雜志. 1999(02)



本文編號：3096041