在產(chǎn)前診斷中,醫(yī)學(xué)超聲影像技術(shù)由于其無(wú)創(chuàng)性、實(shí)時(shí)性和廉價(jià)性,成為產(chǎn)前檢查的首選方式。胎兒解剖結(jié)構(gòu)的生物參數(shù)測(cè)量是產(chǎn)前診斷中的重要內(nèi)容。而目前的生物參數(shù)測(cè)量主要通過醫(yī)生手動(dòng)測(cè)量來完成,這可能導(dǎo)致以下問題:測(cè)量結(jié)果的精確度高度依賴于臨床醫(yī)生的經(jīng)驗(yàn),可能存在較大的差異;精確測(cè)量過程耗時(shí)較長(zhǎng),不僅增加超聲檢查時(shí)間,而且導(dǎo)致醫(yī)生的工作效率較低;對(duì)醫(yī)生造成重復(fù)壓力傷害。因此,本論文提出對(duì)胎兒超聲生物參數(shù)自動(dòng)測(cè)量的方法,旨在降低對(duì)醫(yī)生經(jīng)驗(yàn)的依賴,提高診斷效率。本論文首先對(duì)國(guó)內(nèi)外已有超聲圖像中胎兒股骨測(cè)量方法進(jìn)行了歸納和總結(jié),將測(cè)量方法劃分為圖像處理方法、傳統(tǒng)機(jī)器學(xué)習(xí)方法以及深度學(xué)習(xí)方法。由于圖像處理方法對(duì)數(shù)據(jù)量無(wú)要求,易于實(shí)現(xiàn)等原因,我們提出基于Frangi濾波器的股骨自動(dòng)測(cè)量方法,但由于圖像處理方法受超聲圖像質(zhì)量影響較大,容易受超聲圖像中噪聲、聲影的影響,且存在邊界易丟失等問題,造成測(cè)量結(jié)果普遍偏小。為此,我們提出使用傳統(tǒng)機(jī)器學(xué)習(xí)方法,通過直接定位股骨的端點(diǎn),避免圖像處理方法中因?yàn)檫吔缒：龓淼恼`差。在傳統(tǒng)機(jī)器學(xué)習(xí)方法中,我們提出基于隨機(jī)森林回歸模型的股骨自動(dòng)測(cè)量方法,但傳統(tǒng)機(jī)器學(xué)習(xí)方法需要手動(dòng)設(shè)... 

【文章來源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

胎兒股骨超聲圖像

5圖 1.2 本研究面臨的挑戰(zhàn)（2）傳統(tǒng)機(jī)器學(xué)習(xí)方法。直接定位股骨的端點(diǎn)，可以避免圖像處理方法中因?yàn)楣晒沁吔缒：龓淼恼`差。此方法中，我們將使用集成學(xué)習(xí)算法中最流行的隨機(jī)森林（RandomForests）方法[8]。我們通過一個(gè)兩階段的框架來實(shí)現(xiàn)該方法。兩個(gè)階段均使用隨機(jī)森林回歸模型進(jìn)行訓(xùn)練，唯一不同的是，在第二階段訓(xùn)練時(shí),我們將加入自動(dòng)上下文特征（Auto-Context）[29]對(duì)一階段的結(jié)果進(jìn)行優(yōu)化。通過上述方法可以直接得到股骨端點(diǎn)的預(yù)測(cè)距離圖，并通過均值飄移（Mean Shift）等

端點(diǎn)并對(duì)股骨長(zhǎng)進(jìn)行測(cè)量。2.1 框架介紹由于圖像處理方法對(duì)數(shù)據(jù)量無(wú)要求，易于實(shí)現(xiàn)等原因，我們提出基于 Frangi濾波器的股骨自動(dòng)測(cè)量方法。圖 2.1 為本方法的研究框架。首先，設(shè)計(jì)一個(gè)圖像截取模板，該模板用于去除原始超聲圖像中自帶的設(shè)備信息等無(wú)關(guān)項(xiàng)，批量自動(dòng)框選出股骨所在的圖像區(qū)域，見圖 2.1（a）和 2.1（b）。接著，使用 Frangi 濾波器對(duì)框選出的區(qū)域進(jìn)行去噪，并對(duì)濾波后的結(jié)果進(jìn)行處理，得到股骨候選區(qū)域的分割圖像，見圖 2.1（c）。然后，對(duì)股骨候選區(qū)域進(jìn)行處理，利用股骨外接矩形的長(zhǎng)寬比率以及股骨位置信息，得到正確股骨區(qū)域的篩選結(jié)果[30]，如圖 2.1（d）和 2.1（e）。最后，對(duì)股骨進(jìn)行骨架化處理，得到股骨的中心線，利用股骨中心線和股骨輪廓的交點(diǎn)，定位出股骨端點(diǎn)的位置并計(jì)算股骨長(zhǎng)度，如圖 2.1（f）和2.1（g）。上述框架的技術(shù)細(xì)節(jié)我們將在以下小節(jié)中進(jìn)行闡述。

【參考文獻(xiàn)】：
期刊論文
[1]基于多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)的顯著性對(duì)象檢測(cè)算法[J]. 楊帆,李建平,李鑫,陳雷霆.  計(jì)算機(jī)應(yīng)用. 2018(01)
[2]超聲圖像中胎兒股骨的自動(dòng)測(cè)量[J]. 羅娜,李璟,周成禮,鄭介志,倪東.  深圳大學(xué)學(xué)報(bào)(理工版). 2017(04)
[3]動(dòng)態(tài)高斯變異和隨機(jī)變異融合的自適應(yīng)細(xì)菌覓食優(yōu)化算法[J]. 張新明,尹欣欣,馮夢(mèng)清.  計(jì)算機(jī)科學(xué). 2015(06)
[4]超聲圖像中胎兒頭圍的自動(dòng)測(cè)量[J]. 李璟,倪東,李勝利,韓笑,尹曉浪,汪天富,陳思平.  深圳大學(xué)學(xué)報(bào)(理工版). 2014(05)
[5]基于血管增強(qiáng)分割的三維肺結(jié)節(jié)自動(dòng)檢測(cè)[J]. 潘爍,張煜,王凱,高紹英,曹蕾.  計(jì)算機(jī)應(yīng)用與軟件. 2014(05)
[6]產(chǎn)前超聲檢查對(duì)胎兒畸形的診斷價(jià)值[J]. 李威,賈淑文,呂祥.  中國(guó)婦幼保健. 2013(08)
[7]基于曲光線跟蹤算法的超聲成像實(shí)時(shí)模擬研究[J]. 倪東,陳思平,汪天富.  深圳大學(xué)學(xué)報(bào)(理工版). 2012(04)
[8]歐姆龍生物電阻抗法與雙能X線吸收法測(cè)量成年人體脂率的比較[J]. 武寶愛,王人衛(wèi),畢玉萍.  上海體育學(xué)院學(xué)報(bào). 2012(01)
[9]超聲測(cè)量評(píng)估胎兒主要生長(zhǎng)參數(shù)的研究[J]. 萬(wàn)儀芳,沈國(guó)芳,朱家安.  上海醫(yī)學(xué). 2010(12)
[10]基于SIFT特征的Mean Shift目標(biāo)標(biāo)定算法[J]. 吳晶,趙銳,梅林.  計(jì)算機(jī)與現(xiàn)代化. 2010(12)

碩士論文
[1]隨機(jī)森林和卷積神經(jīng)網(wǎng)絡(luò)在神經(jīng)細(xì)胞圖像分割中的應(yīng)用研究[D]. 曹貴寶.山東大學(xué) 2014



本文編號(hào)：3109436