OCT影像下血管内膜提取及纤维斑块识别研究

发布时间：2017-08-12 13:32

  本文关键词：OCT影像下血管内膜提取及纤维斑块识别研究

  更多相关文章： 图像分割 CV模型 卷积神经网络 纤维斑块 自动识别

【摘要】：随着社会生活水平的提高和工作节奏的加快,心脑血管疾病已经成为威胁人类健康和长寿的头号杀手。我国每年死于心脑血管疾病近300万人,占我国每年总死亡病因的51%。动脉粥样硬化是导致一系列心脑血管疾病的基础,其引起的冠状动脉粥样硬化性心脏病是对人类构成威胁最大的疾病。因此冠心病的检查和诊断方法显得尤为重要。本文针对冠心病的诊断,采用高分辨率的光学相干断层成像(OCT)技术,主要研究工作分为两大部分:第一,研究OCT冠状动脉血管内膜分割提取。由于传统的CV模型存在图像弱边缘处产生过分割的缺点,本文提出了一种改进的CV模型分割算法,引入图像局部信息,控制演化曲线在边缘处的收敛速度,解决了模糊图像的分割问题。另外对于图像存在的失真问题,在改进CV模型上引入形态学滤波方法,减小了失真带来的误差。第二,研究血管斑块的自动识别。将OCT图像划分为25×25大小的纹理图像,利用局部特征信息进行分析,根据斑块类型特点手动分类,设计卷积神经网络(CNN)进行特征提取,实现了待测图像纤维斑块的自动识别。本文使用北京协和医院OCT图像实现了相关算法,实验结果验证了改进CV模型能更好地分割边界模糊图像,证明了本文工作可以实现对纤维斑块的自动识别,其结果能够辅助临床医生对冠心病的诊断与治疗。
【关键词】：图像分割 CV模型 卷积神经网络 纤维斑块 自动识别
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题的研究背景和意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 血管提取研究现状12-13
• 1.2.2 血管斑块识别研究现状13-14
• 1.3 主要研究内容14-16
• 第2章 OCT图像介绍16-22
• 2.1 引言16
• 2.2 OCT系统成像原理16-17
• 2.3 OCT成像在医学领域的应用17-20
• 2.3.1 在眼科上的应用17-18
• 2.3.2 在皮肤科上的应用18
• 2.3.3 在消化系统上的应用18
• 2.3.4 在口腔和牙齿组织上的应用18-19
• 2.3.5 在亚细胞级的检测上的应用19
• 2.3.6 在心血管系统上的应用19-20
• 2.3.7 在癌症诊断和治疗上的应用20
• 2.4 OCT图像特点20-21
• 2.5 本章小结21-22
• 第3章 基于CV模型优化的血管内膜提取22-42
• 3.1 引言22
• 3.2 活动轮廓模型22-26
• 3.2.1 几何活动轮廓模型22-23
• 3.2.2 水平集方法23-26
• 3.3 传统CV模型26-30
• 3.4 改进CV模型30-33
• 3.5 形态学滤波33-35
• 3.6 参数 β 的选择35-36
• 3.7 实验结果评价36-41
• 3.8 本章小结41-42
• 第4章 基于局部特征的血管斑块分类42-56
• 4.1 引言42
• 4.2 卷积神经网络(CNN)设计42-47
• 4.2.1 卷积神经网络原理42-44
• 4.2.2 卷积神经网络结构44-45
• 4.2.3 卷积神经网络的训练45-47
• 4.3 血管斑块分类的实现47-53
• 4.3.1 局部特征提取48-52
• 4.3.2 CNN训练52-53
• 4.4 斑块的识别结果及分析53-55
• 4.4.1 实验设置53
• 4.4.2 斑块的识别与结果53-55
• 4.5 本章小结55-56
• 第5章 总结和展望56-57
• 参考文献57-62
• 致谢62-63
• 攻读硕士学位期间发表论文情况63

，

本文编号：661867