【摘要】：CT腦組織圖像分割對腦出血、腦外傷和腦梗塞等疾病的診斷有重要的輔助作用,可以獲取病理信息、分析腦組織大小,幫助醫(yī)生制定腦部疾病的治療方案。研究使用深度學習技術(shù)來自動分割CT腦組織,對腦疾病的診斷極其重要。由于臨床CT數(shù)據(jù)中腦組織區(qū)域并非在圖像的中心,提出先定位后分割的總體思路。首先對CT圖像中腦組織進行定位。通過深度學習技術(shù)得到腦組織的粗分割結(jié)果。以粗分割結(jié)果的重心作為感興趣區(qū)域的中心位置,從而獲得精準的定位信息。然后設計更適合分割CT腦組織的深度學習網(wǎng)絡框架,對感興趣區(qū)域進行精細的分割。提出在V-Net網(wǎng)絡結(jié)構(gòu)上添加批量標準化層(Batch Normalization,BN),提高模型的魯棒性。然后結(jié)合注意力機制,在訓練過程中動態(tài)調(diào)整通道的重要程度,提高網(wǎng)絡對腦組織的識別能力。并提出使用新設計的損失函數(shù),減少模型出現(xiàn)分割泄漏和分割不充分,從而提高模型的分割準確度。最后通過后處理,將標簽數(shù)據(jù)映射到CT圖像的原大小。實驗數(shù)據(jù)表明,提出的深度學習方法在常用評價標準Dice系數(shù)(由Lee Raymond Dice命名的集合相似度度量函數(shù))上達到了0.988。較其它用于CT腦組織分割方法,有了較大的提升,而且有較強的魯棒性,能夠準確地分割CT圖像中的腦組織,有助于醫(yī)生獲取病理信息,輔助腦疾病的診斷。
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R816.1;TP391.41
【圖文】：

損壞圖像的細節(jié)信息。腦組織的分割對腦組織的定量分析和腦部病變組織的提取都有很大幫助。圖2.2 和圖 2.3 所示是腦組織部分序列圖像與其對應的腦組織標簽圖像，可見不同切

華 中 科 技 大 學 碩 士 學 位 論 文層之間有較大的外觀變異。這也是造成分割腦組織困難的一個原因。不同的個于先天和后天因素的影響，人腦會存在明顯的差異。同時部分患者顱骨可能不全眼睛周圍組織相似等原因也會造成腦組織分割困難。圖 2.2 腦部 CT 橫斷切面的序列圖像

【相似文獻】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學學術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術(shù)會議論文摘要集[C];2012年

相關(guān)重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學位論文 前10條

1 唐國良;視頻監(jiān)控圖像局部特征描述和相機接力研究[D];西安電子科技大學;2019年

2 孫景峰;基于圖像特征的示波屏識別關(guān)鍵技術(shù)研究及應用[D];西北工業(yè)大學;2018年

3 歐巧鳳;二維凝膠電泳圖像中一致蛋白質(zhì)斑點集檢測技術(shù)研究[D];西北工業(yè)大學;2018年

4 吳迪;光學遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

5 王瑤;復雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學;2019年

6 宋偉先;基于深度學習的豬只目標檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學;2019年

7 張玲;圖像光照恢復與分解技術(shù)研究[D];武漢大學;2017年

8 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學;2019年

9 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學;2016年

10 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

相關(guān)碩士學位論文 前10條

1 賈玲慧;基于邊緣保持濾波器和顯著性的多模態(tài)醫(yī)學圖像融合方法研究[D];重慶郵電大學;2019年

2 康健;單幅霧天圖像去霧方法研究[D];重慶郵電大學;2019年

3 曾笑云;灰度不均勻圖像的快速分割方法研究[D];湘潭大學;2019年

4 吳鳴;基于卷積神經(jīng)網(wǎng)絡和圖像顯著性的鐵譜磨粒分析[D];南京航空航天大學;2019年

5 汪杰;基于CT圖像的種豬優(yōu)選方法研究與實現(xiàn)[D];安徽工業(yè)大學;2019年

6 趙婷;基于結(jié)構(gòu)特征增強的圖像顯著性檢測方法研究[D];哈爾濱工業(yè)大學;2019年

7 牛皓偉;基于航拍圖像的交通工程施工現(xiàn)場安全監(jiān)督方法研究[D];哈爾濱工業(yè)大學;2019年

8 曹齊;殘損紡織物圖像的修復算法研究與三維重建[D];西安工程大學;2019年

9 鐘曉妮;基于圖像特征的快速匹配算法研究[D];西安工程大學;2019年

10 吳帥;《點石齋畫報》的圖像生產(chǎn)及其技術(shù)[D];中國美術(shù)學院;2019年

本文編號：2731855