隨著生活水平的日益提高,健康已經(jīng)成為人們?cè)絹?lái)越關(guān)注的問(wèn)題,因此準(zhǔn)確測(cè)量皮下脂肪組織和內(nèi)臟脂肪組織含量對(duì)許多疾病的研究具有重要的意義。核磁共振成像中的IDEAL-IQ技術(shù)是一種主要用于對(duì)掃描部位的脂肪組織進(jìn)行成像的安全、無(wú)痛的檢查方法,并在一次掃描中生成六種序列。經(jīng)過(guò)數(shù)十年的發(fā)展,計(jì)算機(jī)輔助診斷技術(shù)已經(jīng)成為一個(gè)綜合運(yùn)用了多種先進(jìn)技術(shù)的臨床醫(yī)學(xué)診斷工具。在計(jì)算機(jī)輔助診斷涵蓋的眾多算法中,機(jī)器學(xué)習(xí)正成為醫(yī)學(xué)影像數(shù)據(jù)處理的首選方法,可以應(yīng)用于多種不同的放射學(xué)影像領(lǐng)域任務(wù)。本文的目的是探索基于IDEAL-IQ技術(shù)成像和機(jī)器學(xué)習(xí)的皮下脂肪組織和內(nèi)臟脂肪組織及相關(guān)分割定量方法。本文設(shè)計(jì)了一個(gè)基于二維切片的全自動(dòng)分割方法。首先,采用U-Net的深度網(wǎng)絡(luò)來(lái)分割脂像中皮下脂肪組織的內(nèi)外輪廓和水像中的腹膜腔輪廓;其次,本文將腹膜腔輪廓對(duì)應(yīng)到相同身體部位的脂像中,采用AFK-MC²聚類方法對(duì)內(nèi)臟脂肪組織進(jìn)行定量,取得了較好的效果。在分割結(jié)果的基礎(chǔ)上,本文對(duì)脂肪相關(guān)的指標(biāo)進(jìn)行定量。其中,本文提出了一種以后正中線為標(biāo)準(zhǔn)的半自動(dòng)皮下脂肪厚度測(cè)量方法,校正了受試者體位不正的問(wèn)題;第二,本文對(duì)腹圍... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

CNN醫(yī)學(xué)圖像分割任務(wù)

第一章緒論15來(lái)，CT（圖1.3）、MRI等成像技術(shù)的發(fā)展促進(jìn)了脂肪測(cè)量能力的提高。圖1.2腹部脂肪分布情況目前，MRI多回聲Dixon是一種使用光譜模型把從不同回波時(shí)間獲得的源圖像進(jìn)行化學(xué)位移分離的技術(shù)，根據(jù)分離得到的水像和脂像以及T2獲得的R2*圖譜對(duì)體脂和肝臟或其他部位的鐵沉積進(jìn)行評(píng)估[48,49]。三點(diǎn)Dixon（3PD）方法能夠正確分配脂肪和水信號(hào)[50]，3PD的最新技術(shù)是IDEAL-IQ（IterativeDecompositionofwaterandfatwithEchoAsymmetryandLeastsquareestimation-IronQuantification）。IDEAL-IQ通過(guò)利用脂肪的多個(gè)譜峰，精確消除了多種化學(xué)成分的影響，進(jìn)行甘油三酯脂肪分?jǐn)?shù)建模，提高了脂肪組織定量的準(zhǔn)確性[51-53]。如圖1.4所示，IDEAL-IQ在一次掃描中產(chǎn)生六個(gè)序列：水像，脂像，脂肪分?jǐn)?shù)圖像，R2*弛豫圖像，同相位圖像和反向位圖像[54,55]。IDEAL-IQ技術(shù)是一種非常方便和有效的脂肪含量測(cè)定方法，通過(guò)一次屏息完成肝臟脂肪含量的測(cè)定，為醫(yī)師對(duì)脂肪肝相關(guān)疾病提供可靠的依據(jù)進(jìn)行臨床診斷[56]。同時(shí)，生化指標(biāo)及肝脾比值對(duì)照有助于對(duì)疾病進(jìn)展過(guò)程中脂肪含量測(cè)量的可行性、穩(wěn)定性與精確性進(jìn)行評(píng)估[57]。在IDEAL-IQ等技術(shù)脂肪成像的基礎(chǔ)上，將脂肪準(zhǔn)確的分割出來(lái)并定量的圖像分割算法不斷涌現(xiàn)出來(lái)。傳統(tǒng)的圖像分割方法應(yīng)用于脂肪分割已經(jīng)較為成熟，主要包括閾值法[58-62]、區(qū)域生長(zhǎng)法[58,59,63-65]、邊緣檢測(cè)法[61,64-66]、基于聚類的方法[62-64,66,67]等。閾值法是一種使用預(yù)設(shè)的閾值將圖像的不同區(qū)域分割的算法，閾值的合理選取是關(guān)鍵，一般適用于目標(biāo)和背景差異較顯著的情況。區(qū)域生長(zhǎng)法通過(guò)預(yù)定義信息條件和初始種子點(diǎn)將像素根據(jù)相似度進(jìn)行分割。邊緣檢測(cè)法的基本思想通常是利

第一章緒論16用圖像中物體灰度的一階或者二階微分和多尺度的邊緣信息進(jìn)行不連續(xù)性檢測(cè)�；诜诸惼鞯姆椒ㄊ且环N以圖像中提取的特征為依據(jù)的圖像分割算法。基于聚類的方法將像素映射到特征空間，根據(jù)映射的聚集情況進(jìn)行分割，聚類結(jié)果通過(guò)將其映射回原圖像空間得到。除上述方法之外，Steve等人采用中點(diǎn)圓算法和Bresenham直線算法結(jié)合的方式，通過(guò)檢測(cè)SAT和VAT之間的狹窄連接區(qū)域進(jìn)行切割[68]。Sadananthan等人利用全自動(dòng)的圖論分割算法和改進(jìn)的水平集方法來(lái)分割L1-L5腰椎之間的SAT和VAT體積[69]。傳統(tǒng)的圖像分割方法通常都僅使用了低階圖像信息，分割效果有限，且通常流程復(fù)雜且人工參與度高。圖1.3CT脂肪測(cè)量目前，越來(lái)越多基于深度學(xué)習(xí)和CNN的圖像分割算法被用于SAT和VAT定量。Jiang等人提出了一種兩階段的由低精度到高精度的SAT和VAT分割算法，同時(shí)考慮了分割精度和空間一致性。首先，該算法將分割任務(wù)定義為像素級(jí)分類問(wèn)題來(lái)提取較低層次的特征。其次，提出了一種新的深度神經(jīng)網(wǎng)絡(luò)模型MSDNN，利用多個(gè)并行網(wǎng)絡(luò)從多尺度輸入中提取高層次特征，小批量訓(xùn)練算法使得它更適合于并行計(jì)算[70]。Langner等人提出了一種利用FCN（包括U-Net和V-Net）自動(dòng)分割SAT和VAT的新方法，旨在研究在這項(xiàng)任務(wù)中可以達(dá)到的精確度和魯棒性的上限值[71]。Grainger開(kāi)發(fā)了一種基于U-Net體系結(jié)構(gòu)的用于分割SAT和VAT的深度學(xué)習(xí)方法，該體系結(jié)構(gòu)通過(guò)開(kāi)源的ANTsRNet庫(kù)公開(kāi)提供。這些結(jié)果證明了深度學(xué)習(xí)在腹部脂肪定量方面的準(zhǔn)確性及其在確定體重方面的意義[72]。Wang等人開(kāi)發(fā)并測(cè)試了一種新的脂肪組織分割和量化的CAD

【參考文獻(xiàn)】：
期刊論文
[1]磁共振IDEAL-IQ技術(shù)對(duì)肝臟脂肪定量的應(yīng)用研究進(jìn)展[J]. 吳小偉,陳自謙.  功能與分子醫(yī)學(xué)影像學(xué)(電子版). 2017(01)
[2]運(yùn)用3.0T磁共振IDEAL-IQ技術(shù)進(jìn)行肝臟脂肪定量分析的可行性研究[J]. 焦志云,李澄,何玲,王禮同,杜芳,顏虹.  中華臨床醫(yī)師雜志(電子版). 2015(19)



本文編號(hào)：3426597