發(fā)布時間：2021-11-13 12:20

　　乳腺癌是當(dāng)今女性多發(fā)的癌癥疾病之一,且發(fā)病率逐年上升。盡早發(fā)現(xiàn)乳腺癌并配以合理的治療手段對于提升病發(fā)人群存活率具有重要意義。由于高敏感度與特異性,磁共振成像（Magnetic Resonance Imaging,MRI）技術(shù)是確診乳腺癌的重要方法,已廣泛應(yīng)用于臨床。乳腺磁共振影像腫瘤的分割與良惡性診斷已經(jīng)成為計(jì)算機(jī)輔助診斷（Computer Aided Diagnosis,CAD）領(lǐng)域的重要研究內(nèi)容。本文針對乳腺M(fèi)RI影像的特點(diǎn),提出了基于深度神經(jīng)網(wǎng)絡(luò)的一種腫瘤分割算法和兩種腫瘤良惡性診斷算法,并通過實(shí)驗(yàn)驗(yàn)證了算法的有效性,主要研究內(nèi)容包括:（1）提出了一種基于混合卷積與多尺度上下文網(wǎng)絡(luò)的乳腺腫瘤分割算法。在U-Net的基礎(chǔ)上,加入2D與3D卷積混合模塊來提取MRI切片間的上下文信息,并在網(wǎng)絡(luò)編碼末端加入不同采樣率的空洞卷積來提取多尺度的圖像特征。同時,本文使用多通道的表達(dá)方式將動態(tài)增強(qiáng)MRI影像中的時序信息融入到單幅圖像作為網(wǎng)絡(luò)輸入,從而得到更為精準(zhǔn)的分割效果。實(shí)驗(yàn)結(jié)果表明,該算法分割的戴斯系數(shù)、靈敏度和陽性預(yù)測值分別為76.5%、75.9%和82.4%,超過了該領(lǐng)域的其他先進(jìn)算法。... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同類型乳腺癌影像技術(shù)：(a)US，(b)MM，(c)MRI隨著基于計(jì)算機(jī)的圖像處理技術(shù)與模式識別技術(shù)的發(fā)展，CAD技術(shù)出現(xiàn)并應(yīng)用

第一章緒論71.4論文結(jié)構(gòu)安排根據(jù)上述的研究內(nèi)容，本文分為五個章節(jié)，章節(jié)結(jié)構(gòu)圖如圖2所示。圖2論文章節(jié)結(jié)構(gòu)圖第一章：緒論。首先闡述基于乳腺M(fèi)RI影像的計(jì)算機(jī)輔助腫瘤分割以及良惡性診斷的背景與意義；其次分析并總結(jié)了大量國內(nèi)外在乳腺M(fèi)RI影像中計(jì)算機(jī)輔助腫瘤分割以及良惡性診斷的相關(guān)研究；然后介紹了本文的研究內(nèi)容以及創(chuàng)新點(diǎn)；最后對本文的章節(jié)安排進(jìn)行概述。第二章：基于混合卷積與多尺度上下文網(wǎng)絡(luò)的乳腺腫瘤分割算法。本章節(jié)首先分析了MRI影像腫瘤分割工作的難點(diǎn)，并介紹了基于混合2D與3D混合卷積與多尺度上下文腫瘤分割網(wǎng)絡(luò)的具體結(jié)構(gòu)。另一方面，本章節(jié)還提出了能夠?qū)討B(tài)增強(qiáng)時序信息融入到圖像中的多通道DCE-MRI影像表達(dá)方式。最后介紹了乳腺M(fèi)RI數(shù)據(jù)集，并通過實(shí)驗(yàn)驗(yàn)證本章提出的分割算法的有效性。第三章：基于序列劃分與多模型集成網(wǎng)絡(luò)的乳腺腫瘤診斷算法。本章首先介紹了臨床診斷中醫(yī)生使用的病變特征，提出了領(lǐng)域知識驅(qū)動的DCE-MRI影像劃分策略。然后介紹了CNN與LSTM結(jié)合的空間與時序特征提取模型，進(jìn)而提出基于序列劃分與多模型集成網(wǎng)絡(luò)的腫瘤分類算法。最后通過實(shí)驗(yàn)驗(yàn)證序列劃分的作用以及分類算法有效性。第四章：基于多序列MRI自適應(yīng)加權(quán)集成網(wǎng)絡(luò)的乳腺腫瘤診斷算法。本章首先

西北大學(xué)碩士學(xué)位論文10圖像。第一個時期為注射造影劑前五分鐘內(nèi)的蒙片圖像。隨后，在注射造影劑后的不同時間段內(nèi)掃描多期圖像，從而反映病變以及組織內(nèi)部血管通透性變化等信息。乳腺DCE-MRI病理學(xué)相關(guān)研究表明，乳腺腫瘤的生長很大程度上依賴于內(nèi)部的血管，因此相較于正常組織，病變內(nèi)血管滲透性更強(qiáng)。由于腫瘤間毛細(xì)血管的通透性和組織細(xì)胞外間隙的不同，當(dāng)靜脈注射對比劑后，乳腺腫瘤區(qū)域會呈現(xiàn)不同的信號強(qiáng)度變化，而正常組織則不會有明顯和多樣的變化[34,35]。因此，DCE-MRI序列的不同時期圖像所呈現(xiàn)的信號變化對于乳腺腫瘤分割任務(wù)是有幫助的。圖3乳腺DCE-MRI不同時期圖像為了將不同時期圖像信號變化信息應(yīng)用到乳腺腫瘤分割任務(wù)中，我們在Amit[20]等人以通道形式融入血流動力學(xué)信息來進(jìn)行分類任務(wù)的啟發(fā)下，使用多通道的圖形形式來表達(dá)信號變化信息。由于掃描機(jī)器和參數(shù)設(shè)置的不同，不同的乳腺DCE-MRI序列包含的圖像的期數(shù)可能會存在差異，因此我們選擇具有代表性的四期圖像來表達(dá)時序變化信息。圖3展示了四個乳腺DCE-MRI不同時期的圖像，圖3(a)為未注射造影劑前5到10分鐘內(nèi)掃描的蒙片圖像，該期圖像上組織結(jié)構(gòu)以及病變區(qū)域信號亮度較低，與周圍區(qū)域并沒有形成較強(qiáng)的對比；圖3(b)為增強(qiáng)早期圖像，一般為注射造影劑

【參考文獻(xiàn)】：
期刊論文
[1]乳腺癌磁共振成像發(fā)展現(xiàn)狀[J]. 李淑,胡笑含,劉景鑫.  中國醫(yī)療設(shè)備. 2019(07)
[2]Cancer incidence and mortality in China, 2014[J]. Wanqing Chen,Kexin Sun,Rongshou Zheng,Hongmei Zeng,Siwei Zhang,Changfa Xia,Zhixun Yang,He Li,Xiaonong Zou,Jie He.  Chinese Journal of Cancer Research. 2018(01)
[3]多種影像學(xué)方法在中國乳腺癌篩查中的應(yīng)用[J]. 張建興.  實(shí)用醫(yī)學(xué)雜志. 2017(09)
[4]基于空間FCM與MRF方法的乳腺M(fèi)RI序列三維病灶分割研究[J]. 張承杰,厲力華.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2014(02)
[5]DWI及動態(tài)增強(qiáng)MRI鑒別乳腺病變的對比研究[J]. 彭艷霞,蔡宏民,崔春艷,鄭小麗,伍堯泮,李立.  中國CT和MRI雜志. 2014(01)
[6]乳腺動態(tài)增強(qiáng)MRI研究進(jìn)展[J]. 曹艷.  臨床放射學(xué)雜志. 2004(05)



本文編號：3493009