隨著醫(yī)學(xué)影像學(xué)和計(jì)算機(jī)技術(shù)的不斷快速發(fā)展,利用計(jì)算機(jī)技術(shù)對(duì)臨床影像數(shù)據(jù)進(jìn)行分析提高了疾病預(yù)防與治療成功的概率。在胸部疾病的診斷與檢測中,計(jì)算機(jī)斷層掃描（CT）使用最為普遍。由于CT能夠?yàn)樾夭康母鱾�(gè)器官或組織提供高分辨率的掃描圖像,所以充分利用CT掃描圖像對(duì)于胸部疾病的檢測非常重要,比如肺癌、肺結(jié)節(jié)等疾病。在計(jì)算機(jī)輔助診斷系統(tǒng)中,精準(zhǔn)的胸部CT掃描圖片的分割是后續(xù)胸部功能分析和三維圖像重建的基礎(chǔ)和前提。精準(zhǔn)的分割不僅可以增加疾病診斷的準(zhǔn)確性,還能減少后續(xù)無關(guān)計(jì)算的時(shí)間。胸部CT圖像的精準(zhǔn)分割有兩個(gè)目標(biāo),其一是利用胸部CT圖像的分割提高計(jì)算機(jī)輔助診斷的發(fā)展,其二是能夠?qū)π夭康钠鞴賹?shí)現(xiàn)完整的分割,因?yàn)楫?dāng)胸部的器官發(fā)生病變或者畸形時(shí),其CT圖像會(huì)有一些異常,這時(shí)需要分割算法能夠完整地分割出器官。醫(yī)學(xué)圖像分割有很多常用的方法,比如基于區(qū)域的方法,基于邊緣的方法,基于特殊理論的方法,由于醫(yī)學(xué)圖像的灰度不均勻、個(gè)體差異大、偽影和噪聲大等特點(diǎn),這些圖像分割方法都會(huì)有一些局限性,很難在達(dá)到要求的靈敏度和準(zhǔn)確度的情況下分割出胸部的各個(gè)器官。本文針對(duì)胸部CT圖像分割中存在的一些難點(diǎn),結(jié)合了最近方興未艾的深度... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 課題背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 計(jì)算機(jī)輔助診斷系統(tǒng)的研究現(xiàn)狀
        1.2.2 胸部CT圖像區(qū)域分割算法的研究現(xiàn)狀
    1.3 本文研究內(nèi)容
第二章 醫(yī)學(xué)圖像分割概述
    2.1 CT圖像相關(guān)知識(shí)
        2.1.1 CT成像原理
        2.1.2 CT成像過程
        2.1.3 CT影像特點(diǎn)
    2.2 醫(yī)學(xué)圖像分割的定義
    2.3 常用的醫(yī)學(xué)圖像分割方法
        2.3.1 基于區(qū)域的分割方法
        2.3.2 基于邊緣的圖像分割方法
        2.3.3 基于特定理論的圖像分割方法
    2.4 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的胸部CT圖像分割
    3.1 概述
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
        3.2.1 模型概述
        3.2.2 卷積層的設(shè)計(jì)
        3.2.3 全連接層的設(shè)計(jì)
        3.2.4 Softmax層的設(shè)計(jì)
    3.3 防止過擬合
        3.3.1 數(shù)據(jù)增強(qiáng)
        3.3.2 隨機(jī)失活
    3.4 模型的實(shí)驗(yàn)
        3.4.1 Caffe平臺(tái)
        3.4.2 實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)備
        3.4.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練測試方法
        3.4.4 評(píng)判準(zhǔn)則
        3.4.5 對(duì)比實(shí)驗(yàn)設(shè)定
        3.4.6 設(shè)置訓(xùn)練參數(shù)
        3.4.7 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
    3.5 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于端對(duì)端神經(jīng)網(wǎng)絡(luò)的胸部CT圖像分割
    4.1 概述
    4.2 端對(duì)端神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
        4.2.1 模型概述
        4.2.2 全連接層的更改
        4.2.3 反卷積層的設(shè)計(jì)
        4.2.4 整體網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 模型的實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)軟件及硬件環(huán)境
        4.3.2 胸部CT分割的具體實(shí)現(xiàn)步驟
        4.3.3 實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)備與獲取
        4.3.4 評(píng)判準(zhǔn)則
        4.3.5 參數(shù)的設(shè)置
        4.3.6 對(duì)比實(shí)驗(yàn)算法
        4.3.7 模型的訓(xùn)練
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 實(shí)驗(yàn)結(jié)果
        4.4.2 特征可視化
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Scatter correction for cone-beam computed tomography using self-adaptive scatter kernel superposition[J]. 謝世朋,羅立名.  中國物理C. 2012(06)
[2]基于肺部CT序列圖像的肺實(shí)質(zhì)三維分割[J]. 任彥華,聶生東.  中國醫(yī)學(xué)物理學(xué)雜志. 2010(03)
[3]一種改進(jìn)的交互式CT胸部圖像肺實(shí)質(zhì)分割方法[J]. 孟琭,趙宏.  小型微型計(jì)算機(jī)系統(tǒng). 2010(02)
[4]基于MITK的醫(yī)學(xué)圖像三維重建方法研究[J]. 柳淵,嚴(yán)漢民.  中國醫(yī)療設(shè)備. 2009(01)
[5]改進(jìn)的熵最小方法用于MRI偏差場的校正[J]. 劉軍偉,李傳富,吳歡,馮煥清,熊進(jìn).  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2008(06)
[6]基于CT圖像的自動(dòng)肺實(shí)質(zhì)分割方法[J]. 賈同,孟琭,趙大哲,王旭.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(07)
[7]基于主動(dòng)輪廓模型和水平集方法的圖像分割技術(shù)[J]. 羅紅根,朱利民,丁漢.  中國圖象圖形學(xué)報(bào). 2006(03)
[8]經(jīng)典邊緣提取方法在醫(yī)學(xué)圖像中的應(yīng)用[J]. 劉其濤.  生命科學(xué)儀器. 2005(05)
[9]圖像分割在生物醫(yī)學(xué)工程中的應(yīng)用[J]. 羅渝蘭,王景熙,鄭昌瓊.  計(jì)算機(jī)應(yīng)用. 2002(08)

碩士論文
[1]圖像分割的理論、方法及應(yīng)用[D]. 高秀娟.吉林大學(xué) 2006



本文編號(hào)：2954422