近年來,利用深度學習輔助診斷醫(yī)學圖像的技術成為熱門的研究方向。根據(jù)有關資料顯示,心血管疾病是造成全世界死亡率較高的重要因素。如何提高醫(yī)生對心血管疾病的診斷效率以及盡早的確定治療方案也成為了人們較為關注的健康問題。通過利用計算機輔助手段來快速地處理大量的心臟圖像數(shù)據(jù)以此加快醫(yī)生的診斷效率和準確率,這是非常具有臨床研究意義的一項工作。之前針對心臟圖像的研究都是利用手工來描繪分析心臟組織結構（如雙心室和左心房）的輪廓,通過量化分析組織結構的各項功能指標來判斷心臟是否發(fā)生病變。在臨床應用上,目前主要還是通過放射科醫(yī)生人工描繪心臟雙室和左心房的輪廓,這比較耗時,枯燥且效率低下。本文通過利用深度學習算法實現(xiàn)心臟的雙心室和左心房區(qū)域的精確分割,具體研究工作如下:1.從磁共振圖像準確分割心臟雙心室對分析和評估心血管系統(tǒng)的功能具有重要意義。然而,心臟雙心室圖像的復雜結構使全自動分割成為眾所周知的挑戰(zhàn)。本文從像素水平的角度提出了一種改進的編碼器-解碼器網(wǎng)絡,用于雙心室分割。該網(wǎng)絡通過改進的編碼器-解碼器體系結構明確解決了復雜心臟結構的高可變性,該體系結構由著火空洞卷積模塊和消防空洞卷積模塊組成。這種改進的... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

心臟MRI圖像示意圖

心臟GE-MRI圖像以及LA三維結構示意圖

第二章相關理論與基礎10圖2.3最大池化和平均池化的示意圖Figure2.3Schematicdiagramofmaxpoolingandaveragepooling2.3.2空洞卷積網(wǎng)絡在經(jīng)典的卷積網(wǎng)絡中，池化操作可以起到減小圖像本身的尺寸并降低其分辨率的作用，并且圖像的所能接收到的感受野也被擴大[48]。然而，經(jīng)過池化層處理之后的圖像會丟失很多空間細節(jié)信息，這將導致圖像中目標區(qū)域的細節(jié)信息難以復原，尤其是一些小目標的詳細信息。而空洞卷積采用可以擴張的卷積核來實現(xiàn)卷積操作，這樣一來就可以避免丟失圖像信息。因此，空洞卷積既可以不降低圖像分辨率又可以增加感受野，而且還能夠保留了圖像內部的數(shù)據(jù)結構�？斩淳矸e也稱為帶孔卷積或無孔卷積，在不降低圖像分辨率或覆蓋范圍的情況下，空洞卷積支持感受野以指數(shù)形式擴展并能夠捕獲更多的上下文信息，基于這一事實空洞卷積被廣泛用于語義分割領域[49]。為了更好地理解空洞卷積，首先簡單描述下標準2D卷積層。假設(,)表示輸出上的位置，(,)表示空間坐標位置，表示權重，表示核函數(shù)，表示偏差。因此輸入特征圖上步幅為1的2D卷積公式如下：()=∑(+)()+()(2.2)其中表示修正線性單元（RectifiedLinearUnit,ReLU）的核方向非線性變換。""是卷積運算符�？斩淳矸e將每個內核的擴展速率增加：()=∑(+.)()+()(2.3)其中.是通過沿著每個空間維度在每個內核中的兩個連續(xù)值之間插入1個零而產生的，標準2D卷積事實上就是=1時的空洞卷積�？斩淳矸e的感受野是一個呈指數(shù)增長的平方，如圖2.4所示，綠色方塊表示3×3濾波器的數(shù)據(jù)點，紅色區(qū)域表示3×3濾波


本文編號：3551810