人體肺部CT圖像中肺氣管樹的分級對于輔助肺部疾病診斷有著非常重要的臨床研究意義,而肺氣管樹關(guān)鍵分叉點的檢測是肺氣管樹分級中的關(guān)鍵步驟。利用深度學習方法直接檢測肺氣管樹的關(guān)鍵分叉點對肺氣管樹的分級具有研究意義,并對之后的輔助診斷肺部疾病具有非常重要的實際意義。針對人體肺部CT圖像中肺氣管樹不同分叉點的檢測難度不同,結(jié)合肺氣管樹的三維結(jié)構(gòu)特點在殘差網(wǎng)絡(luò)ResNet基礎(chǔ)上設(shè)計了一種適合肺氣管樹關(guān)鍵分叉點檢測的并行殘差網(wǎng)絡(luò)模型Multiple-ResNet。Multiple-ResNet采用三個子網(wǎng)絡(luò)F,L2,R3進行組合。網(wǎng)絡(luò)F采用改進的三維ResNet50結(jié)構(gòu)提取全局特征檢測四個關(guān)鍵分叉點;網(wǎng)絡(luò)L2和R3采用改進的三維ResNet34結(jié)構(gòu)提取局部特征檢測局部關(guān)鍵分叉點,對網(wǎng)絡(luò)F的預(yù)測結(jié)果進行修正,提高四個分叉點的檢測準確性。對LUNA16數(shù)據(jù)集中400個肺部CT圖像進行手工標記肺氣管樹分叉點從而獲得肺氣管樹分叉點數(shù)據(jù)集�？紤]不同肺部CT圖像中肺氣管樹位置,結(jié)構(gòu)大小存在差異,提出了針對人體肺部CT圖像中肺氣管樹分叉點檢測的數(shù)據(jù)預(yù)處理方法。該預(yù)處理方法是根據(jù)對原始肺部CT圖像提取的肺mask,... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

人體肺部CT圖像及肺氣管三維結(jié)構(gòu)

3圖 1-2 基于肺葉的肺氣管樹的分級標記效果圖UL、RML、RLL、LUL、LLL 分別表示的、左上肺葉和左下肺葉；RPB、RMB、LPB 分主支氣管。 圖像進行肺氣管樹分割是肺氣管樹分級算法樹準確分級的前提。然而在肺部 CT 成像過部分容積效應(yīng)，成像角度等。肺氣管成像的目前國內(nèi)外肺氣管樹分割算法主要包含基于基于機器學習[17]等方法。彭雙等人設(shè)計了一分割算法[18]。該算法的基本流程是首先結(jié)合；之后使用改進遲滯閾值區(qū)域生長的方法預(yù)

圖 1-3 肺氣管樹骨架化效果圖到肺氣管樹骨架的方法中的哪一種，都是要樹中的每一個體素點進行計算或判斷篩選等對計算方法以及篩選條件進行準確的設(shè)定，。這就使得骨架化算法具有很高的算法復(fù)雜高，這制約了該方法的實用性�；诰嚯x場定義的距離值，計算量很大。該方法不能保能保證提取的骨架是單像素寬的。這就使得不夠準確。拓撲細化方法中最重要的是對簡單或者篩選規(guī)則會使得得到的最終模型骨架的雜度，并且對噪聲是比較敏感的。如果細化目果中就會產(chǎn)生很多多余的毛刺。而這些毛刺

【參考文獻】：
期刊論文
[1]影響多層螺旋CT圖像質(zhì)量的因素及控制措施[J]. 胡方成.  醫(yī)療裝備. 2017(12)
[2]結(jié)合區(qū)域生長與灰度重建的CT圖像肺氣管樹分割[J]. 彭雙,肖昌炎.  中國圖象圖形學報. 2014(09)
[3]形態(tài)膨脹的3D區(qū)域生長氣管分割算法[J]. 王雷,高欣,張桂芝.  生物醫(yī)學工程學雜志. 2013(04)
[4]基于CT圖像的肺氣管樹3D分割方法的研究[J]. 李翠芳,任彥華,王遠軍,聶生東.  中國醫(yī)學物理學雜志. 2011(05)

博士論文
[1]基于CT體數(shù)據(jù)的人體肺氣道樹數(shù)學模型建立[D]. 賴凱.中國科學技術(shù)大學 2010

碩士論文
[1]基于CT影像的肺氣管三維重構(gòu)方法研究[D]. 趙興.重慶大學 2017
[2]高精度肺部氣道樹的分割及骨架中心線的提取[D]. 王昌.中國科學技術(shù)大學 2010



本文編號：3495667