發(fā)布時(shí)間：2021-09-15 08:55

　　隨著大數(shù)據(jù)時(shí)代的到來(lái)以及現(xiàn)代醫(yī)學(xué)影像技術(shù)的發(fā)展,醫(yī)學(xué)圖像的質(zhì)量和數(shù)量都在不斷增長(zhǎng),使用人力對(duì)圖像進(jìn)行處理及分析就顯得格外困難,而那些未經(jīng)過(guò)處理的圖像使用價(jià)值并不高,因此自然需要一種方法可以自動(dòng)的對(duì)大量圖像數(shù)據(jù)進(jìn)行初步的處理。水平集方法與傳統(tǒng)圖像分割算法相比,能夠處理拓?fù)浣Y(jié)構(gòu)的復(fù)雜變化,數(shù)值計(jì)算也比較簡(jiǎn)單,而近幾年卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展迅速并應(yīng)用到了醫(yī)學(xué)圖像處理領(lǐng)域,在提高醫(yī)學(xué)圖像分類準(zhǔn)確率的同時(shí),還省去了傳統(tǒng)分類方法的特征提取步驟,大大提高了圖像分類的效率。如果能用計(jì)算機(jī)對(duì)醫(yī)學(xué)圖像自動(dòng)的進(jìn)行正常與患病的預(yù)測(cè)分類,之后對(duì)被判斷為患病的圖像進(jìn)行分割處理,這樣就可以為醫(yī)生后續(xù)的診斷分析提供便利。本文分兩部分介紹了圖像分割和分類的方法,分割部分首先對(duì)曲線演化理論及水平集的原理進(jìn)行了介紹,隨后通過(guò)對(duì)傳統(tǒng)能量函數(shù)的改進(jìn)優(yōu)化了水平集模型對(duì)醫(yī)學(xué)圖像邊界的識(shí)別效果,提高了分割的準(zhǔn)確率。分類部分則建立了一個(gè)卷積神經(jīng)網(wǎng)絡(luò),對(duì)磁共振圖像進(jìn)行對(duì)比試驗(yàn)確定一些影響網(wǎng)絡(luò)分類準(zhǔn)確率的參數(shù)及方法選擇,根據(jù)這些參數(shù)建立最終的網(wǎng)絡(luò),然后再使用醫(yī)學(xué)圖像對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試。為了驗(yàn)證本文所提方法的有效性,本文選取了人體正常MRI圖... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

質(zhì)子的自旋與進(jìn)動(dòng)

圖 3-11 RSF模型算法分割結(jié)果圖 3-12 LIC 模型算法分割結(jié)果圖 3-13 DRLSE 模型算法分割結(jié)果可以看出，上述幾種傳統(tǒng)模型對(duì)圖像分割效果不是很好，一部分區(qū)域出現(xiàn)了過(guò)

圖 3-12 LIC 模型算法分割結(jié)果圖 3-13 DRLSE 模型算法分割結(jié)果可以看出，上述幾種傳統(tǒng)模型對(duì)圖像分割效果不是很好，一部分區(qū)域出現(xiàn)了過(guò)度分割，明明并不是病變區(qū)域但是卻被劃分為病變區(qū)域，還有一部分區(qū)域出現(xiàn)了分割欠缺的現(xiàn)象，本文的分割算法相較于傳統(tǒng)模型，對(duì)過(guò)分割和欠分割的現(xiàn)象均有一定程度的改善。3.5.4 其他部位磁共振圖像分割結(jié)果為了證明本文算法對(duì)不同部位磁共振圖像的普適性，在圖像的采集過(guò)程中還掃

【參考文獻(xiàn)】：
期刊論文
[1]基于DICOM標(biāo)準(zhǔn)的醫(yī)學(xué)影像數(shù)據(jù)格式分析及存儲(chǔ)方法[J]. 方勝吉.  中國(guó)新通信. 2017(09)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[3]醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[4]基于區(qū)域信息的水平集醫(yī)學(xué)圖像分割[J]. 陳靜,朱家明,盛朗,居小平.  軟件. 2014(04)



本文編號(hào)：3395782