基于卷積神經(jīng)網(wǎng)絡(luò)的丘腦分割方法研究
發(fā)布時(shí)間:2024-01-25 14:36
丘腦是人腦的中轉(zhuǎn)站,接收除嗅覺(jué)外的所有感覺(jué)信號(hào),并傳遞至大腦皮層區(qū)域。丘腦可以劃分為多個(gè)核團(tuán),并且每個(gè)核團(tuán)有其特定的功能。核團(tuán)與特定皮層區(qū)域存在連接或者成為皮層連接之間的中繼。眾多神經(jīng)系統(tǒng)疾病與丘腦核團(tuán)的損壞有著密切的聯(lián)系,如阿茲海默癥、帕金森癥、精神分裂癥、癲癇等多種疾病。深部腦刺激手術(shù)通過(guò)對(duì)丘腦特定核團(tuán)植入起搏器,可以有效治療上述疾病。因此,精準(zhǔn)的丘腦分割對(duì)于大腦認(rèn)知研究、神經(jīng)疾病的機(jī)制研究與診斷治療等領(lǐng)域具有重要價(jià)值與意義。磁共振成像(Magnetic Resonance Imaging,MRI)具有高分辨率、良好的對(duì)比度、無(wú)輻射等多種優(yōu)點(diǎn),被廣泛應(yīng)用于腦認(rèn)知研究、神經(jīng)系統(tǒng)疾病的診斷與治療。磁共振成像為丘腦的準(zhǔn)確分割提供了良好的基礎(chǔ)。手動(dòng)分割核磁共振圖像是一個(gè)非常耗時(shí)且繁瑣的任務(wù)。自動(dòng)、準(zhǔn)確的丘腦分割對(duì)于后續(xù)的診斷與治療具有重要價(jià)值。卷積神經(jīng)網(wǎng)絡(luò)作為近年來(lái)發(fā)展的新型技術(shù),被越來(lái)越多地運(yùn)用于醫(yī)學(xué)影像分割。然而現(xiàn)有針對(duì)卷積神經(jīng)網(wǎng)絡(luò)方法未能充分考慮成像噪聲以及丘腦與周邊組織對(duì)比度較低等因素。針對(duì)這些挑戰(zhàn),本文提出了一種新型的卷積神經(jīng)網(wǎng)絡(luò)——?dú)埐蠲芗疷形網(wǎng)絡(luò)(Residual Dense...
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于區(qū)域的丘腦分割方法
1.2.2 基于聚類(lèi)的丘腦分割方法
1.2.3 基于圖譜配準(zhǔn)的丘腦分割方法
1.2.4 基于深度學(xué)習(xí)的丘腦分割方法
1.3 論文研究?jī)?nèi)容
1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)背景技術(shù)
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.1.1 特征提取模塊
2.1.2 分類(lèi)決策模塊
2.2 卷積神經(jīng)網(wǎng)絡(luò)中相關(guān)算法
2.2.1 前向傳播算法
2.2.2 反向傳播算法
2.2.3 隨機(jī)梯度下降算法
2.3 端到端的卷積神經(jīng)網(wǎng)絡(luò)
2.3.1 全卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 U-Net
2.3.3 SegNet
2.4 本章小結(jié)
第3章 基于RDU-Net卷積神經(jīng)網(wǎng)絡(luò)的MRI丘腦分割模型設(shè)計(jì)
3.1 端到端的卷積神經(jīng)網(wǎng)絡(luò)模型RDU-Net設(shè)計(jì)
3.2 RDU-Net網(wǎng)絡(luò)結(jié)構(gòu)
3.3 Res Dense Block(RDB)
3.4 殘差學(xué)習(xí)
3.5 密集連接
3.6 瓶頸設(shè)計(jì)
3.7 本章小結(jié)
第4章 MRI丘腦分割實(shí)驗(yàn)結(jié)果及分析
4.1 實(shí)驗(yàn)數(shù)據(jù)
4.1.1 實(shí)驗(yàn)數(shù)據(jù)集
4.1.2 數(shù)據(jù)預(yù)處理
4.2 實(shí)驗(yàn)環(huán)境
4.3 實(shí)驗(yàn)評(píng)估指標(biāo)
4.3.1 DSC
4.3.2 IOU
4.3.3 AVD
4.3.4 HD
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 基礎(chǔ)實(shí)驗(yàn)結(jié)果及分析
4.4.2 消融實(shí)驗(yàn)結(jié)果及分析
4.4.3 訓(xùn)練樣本個(gè)數(shù)實(shí)驗(yàn)結(jié)果及分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
本文編號(hào):3884997
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于區(qū)域的丘腦分割方法
1.2.2 基于聚類(lèi)的丘腦分割方法
1.2.3 基于圖譜配準(zhǔn)的丘腦分割方法
1.2.4 基于深度學(xué)習(xí)的丘腦分割方法
1.3 論文研究?jī)?nèi)容
1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)背景技術(shù)
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.1.1 特征提取模塊
2.1.2 分類(lèi)決策模塊
2.2 卷積神經(jīng)網(wǎng)絡(luò)中相關(guān)算法
2.2.1 前向傳播算法
2.2.2 反向傳播算法
2.2.3 隨機(jī)梯度下降算法
2.3 端到端的卷積神經(jīng)網(wǎng)絡(luò)
2.3.1 全卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 U-Net
2.3.3 SegNet
2.4 本章小結(jié)
第3章 基于RDU-Net卷積神經(jīng)網(wǎng)絡(luò)的MRI丘腦分割模型設(shè)計(jì)
3.1 端到端的卷積神經(jīng)網(wǎng)絡(luò)模型RDU-Net設(shè)計(jì)
3.2 RDU-Net網(wǎng)絡(luò)結(jié)構(gòu)
3.3 Res Dense Block(RDB)
3.4 殘差學(xué)習(xí)
3.5 密集連接
3.6 瓶頸設(shè)計(jì)
3.7 本章小結(jié)
第4章 MRI丘腦分割實(shí)驗(yàn)結(jié)果及分析
4.1 實(shí)驗(yàn)數(shù)據(jù)
4.1.1 實(shí)驗(yàn)數(shù)據(jù)集
4.1.2 數(shù)據(jù)預(yù)處理
4.2 實(shí)驗(yàn)環(huán)境
4.3 實(shí)驗(yàn)評(píng)估指標(biāo)
4.3.1 DSC
4.3.2 IOU
4.3.3 AVD
4.3.4 HD
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 基礎(chǔ)實(shí)驗(yàn)結(jié)果及分析
4.4.2 消融實(shí)驗(yàn)結(jié)果及分析
4.4.3 訓(xùn)練樣本個(gè)數(shù)實(shí)驗(yàn)結(jié)果及分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
本文編號(hào):3884997
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3884997.html
最近更新
教材專著