影像引導(dǎo)放射治療技術(shù)（Image-Guided Radiotherapy Technique,IGRT）是目前精準(zhǔn)放療中最重要的手段,用于初步定位和放療擺位,提供位置信息用于病灶精準(zhǔn)定位和腫瘤照射,在放射治療中廣泛應(yīng)用。IGRT依賴(lài)錐形束計(jì)算機(jī)斷層攝影術(shù)（Cone-Beam Computed Tomography,CBCT）系統(tǒng)質(zhì)量去驗(yàn)證治療床的定位和放射治療的監(jiān)測(cè),直接影響影像引導(dǎo)放療過(guò)程的準(zhǔn)確性。CBCT圖像質(zhì)量受到多種因素的影響,其質(zhì)量評(píng)價(jià)指標(biāo)是指CT值線性、空間分辨力、低對(duì)比度分辨力和均勻性,利用Catphan 504模體完成四種指標(biāo)的自動(dòng)評(píng)價(jià)關(guān)鍵技術(shù)是對(duì)模體中CTP404模塊各個(gè)插件的自動(dòng)定位。實(shí)現(xiàn)自動(dòng)定位的前提是分割出各個(gè)插件,分割技術(shù)主要是傳統(tǒng)的方法和機(jī)器學(xué)習(xí)的方法。CTP404模塊有多個(gè)密度不同的插件,且在軸向切片圖像中插件像素?cái)?shù)占總的圖像像素?cái)?shù)的8%（圖像大小為512×512）,考慮到分割目標(biāo)是多類(lèi),且對(duì)分割精度有一定的要求,將結(jié)合深度學(xué)習(xí)和傳統(tǒng)分割方法。本文主要研究?jī)?nèi)容為:（1）探討了U-Net模型結(jié)構(gòu)以及基于U-Net的改進(jìn)模型。U-Net模型雖然實(shí)現(xiàn)了多目標(biāo)的分... 

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外相關(guān)研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
第二章 錐形束CT圖像質(zhì)量評(píng)價(jià)方法
    2.1 錐形束CT圖像質(zhì)量的影響因素
    2.2 錐形束CT圖像質(zhì)量評(píng)價(jià)指標(biāo)
        2.2.1 CT值線性
        2.2.2 空間分辨力
        2.2.3 低對(duì)比度分辨力
        2.2.4 均勻性與噪聲
    2.3 CBCT圖像質(zhì)量評(píng)價(jià)方法
    2.4 圖像采集方法
    2.5 本章小結(jié)
第三章 基于U-Net的醫(yī)學(xué)圖像分割網(wǎng)絡(luò)模型研究
    3.1 引言
    3.2 U-Net模型
    3.3 基于U-Net的殘差網(wǎng)絡(luò)
        3.3.1 相關(guān)工作
        3.3.2 深度殘差學(xué)習(xí)
        3.3.3 基于U-Net的殘差網(wǎng)絡(luò)
    3.4 基于U-Net的循環(huán)卷積神經(jīng)網(wǎng)絡(luò)
        3.4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)介
        3.4.2 循環(huán)卷積層
        3.4.3 基于U-Net的循環(huán)卷積神經(jīng)網(wǎng)絡(luò)
    3.5 基于U-Net的循環(huán)殘差卷積神經(jīng)網(wǎng)絡(luò)
    3.6 本章小結(jié)
第四章 實(shí)驗(yàn)及結(jié)果分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)環(huán)境
        4.1.1 圖像數(shù)據(jù)
        4.1.2 標(biāo)簽數(shù)據(jù)
        4.1.3 環(huán)境配置
    4.2 實(shí)驗(yàn)方法
    4.3 實(shí)驗(yàn)訓(xùn)練方法與評(píng)估
        4.3.1 訓(xùn)練方法
        4.3.2 評(píng)估方法
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]利用深度反卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)勾畫(huà)放療危及器官[J]. 門(mén)闊,戴建榮.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2018(03)
[2]圖像引導(dǎo)放射治療的應(yīng)用和展望[J]. 謝志原,吳君心.  腫瘤學(xué)雜志. 2013(04)
[3]基于FDK算法的數(shù)字合成X線體層成像[J]. 馮亞崇,周凌宏,甄鑫,盧文婷.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2011(02)
[4]用通用顯卡加速三維錐束T-FDK重建算法[J]. 戴智晟,陳志強(qiáng),邢宇翔,張麗,畢文元.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(09)

博士論文
[1]錐形束CT圖像的散射校正[D]. 王玉.中國(guó)科學(xué)技術(shù)大學(xué) 2015

碩士論文
[1]圖像引導(dǎo)的體外自適應(yīng)放療在宮頸癌治療中的應(yīng)用研究[D]. 張寧.安徽醫(yī)科大學(xué) 2015



本文編號(hào)：3656398