腰椎神经根核磁共振图像检测算法研究
发布时间：2021-01-15 21:38
腰椎间盘突出症成为越来越常见的疾患之一,临床上有两种主要情况会引发此疾病。一种原因是腰间盘各部分在不同程度上的退行性改变后,在外力因素的作用下,腰间盘的纤维环破裂,髓核组织从破裂之处突出于后方或椎管内,导致相邻脊神经根遭受刺激或压迫,从而产生腰部疼痛,一侧下肢或双下肢麻木、疼痛等一系列临床症状。另一种原因是腰椎椎管内静脉曲张肿大压迫神经根,引起腰部疼痛,引起下肢麻木等一系列临床症状。由椎管内静脉丛异常曲张所导致的腰腿疼痛,很难通过原生核磁共振图像进行分析与确认,故而本论文主要对核磁共振图像中腰椎神经根检测问题进行研究。腰椎神经根核磁共振图像检测存在多形态、目标小、数据不平衡这几个难点。多形态是指同一部位的神经根在不同时刻表现出不同的状态,我们提出了 DSSD（deformable convolution Single Shot Detector）目标检测算法来解决多形态的问题。同时针对DSSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔结构的DSSD改进模型。特征金字塔结构可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１卷积的过程??Ｆｉｇ．?２．１?Ｔｈｅ?ｐｒｏｃｅｓｓ?ｏｆ?ｃｏｎｖｏｌｕｔｉｏｎ??其中，黄色框区域为卷积核，可训练参数为ｗ９；），黑色框区域为特征图，??是一个大小的矩阵
?腰椎神经根核磁共振图像检测算法研究???５?３?２??１?１?３??／?４?￣ｊ?２?＾?２??＾?２?／?２?＼?２??／?／?Ｖ??ｒ＂―最大油化核１?均值也化核＇ｉ?＼?ｒ随机也化梭＇ｉ??Ｉ?大小为２ｘ２?Ｊ／?／Ｌ?大小为２ｘ２?Ｊ?＇Ｉ?大小为２ｘ２?Ｊ??ｆ￣＾ｌ?Ｉ?１?ｒｔ??图２．?２常用的池化操作??Ｆｉｇ．?２．２?Ｔｈｅ?ｐｏｏｌｉｎｇ?ｏｐｅｒａｔｉｏｎ?ｉｎ?ｃｏｍｍｏｎ?ｕｓｅｓ??２．２．３激活层??若是神经网络中没有激活函数［３９］，则在一定程度上可以将其看成线性表达。线性模??型对特征的表达能力不足，非线性激活函数可以对特征的表达能力进行改善。常用的激??活函数如图２．３所示。??ＴａｎｈｉＡｎ?ＳｔｇｍｏＫｌ＾ｎｔ??＇［?????了????＇［￣￣￣￣￣■?，，一．?＇￣￣??。《?／?０．?／??。＊?”??０２?■?／?＿?０６?■?／??？?〇?／?／??■０２?＿?／?０．０?／??■０?４?？?Ｉ?０?３?／??／?／??？Ｏｆｌ?！?０．２?．／??■〇＊?Ｉ?〇．．ｉ?．??ｙ??？?１????－＊１??????？??〇??＊￣?＾?＾?＊???１?＇?１???－３－６－４?－２?０２?４?６?ａ?－ａ－？－４－２０?２?４?６?Ｂ??ｎ?ｔｏｆＴｍａ，?＾??ＲａＬＵｉＡ?？（??ｊ?／］?３?／?：??３?／?／??＊?ｙ?。?／??°－ａ?－ｅ?－？?２?０?２?＊?
多分类或者识别问??题是大部分卷积神经网络所做的，但是卷积神经网络同样也可以在非监督学习状态下进??行学习，训练的最终目的和基于监督学习的卷积神经网络类似，依然是模型参数的学习。??在这个非监督训练的过程中，卷积神经网络同样不断地调整参数，使损失函数最优化。??卷积核作为特征提取器，从图片中提取Ｋ个特征图，若卷积层中卷积核的大小为??ＷＸＷ，以步长Ｘ在输入的图片中进行提取特征，当输入的图片大小为７７Ｘ／２ＸＪ时，分别??表示长、宽、深度，卷积层会把输入的图片投射成对应的特征图，过程如图２．４所示。??Ｉ?１?］?］?１?１??ｒ?１?＝＾￣￣?二：二■厂积孩參—????祆射函致??Ｉ?Ｉ?１?ｒ??ｎ?｜?１?ｉｌ?１?ｌｉ?，?丨；１??＇Ｌｌ——ｊ——ｔ—??Ｉ?Ｊ?Ｉ?！?１?Ｉ?Ｉ?ｉ?＼?Ｉ??ｐｉ?Ｉ?Ｉ?Ｉ?｜?｜?｜?＼，＿??Ｋ个吞甲饺＃积笤??对茳的？？个栲ｓｓ??＇ｉ?Ｉ?！?ｊ?Ｉ?Ｉ?Ｉ?＇??铂入的ＫＧＢ图片??图２．?４特征提取的过程??Ｆｉｇ．?２．４?Ｔｈｅ?ｐｒｏｃｅｓｓ?ｏｆ?ｆｅａｔｕｒｅ?ｅｘｔｒａｃｔｉｏｎ??－９－??
【参考文献】：
期刊论文
[1]基于改进VGG16的猴子图像分类方法[J]. 田佳鹭,邓立国. 信息技术与网络安全. 2020(05)
[2]基于BP神经网络的超声扫描图像的分割技术研究[J]. 鞠响,冯宇翔. 现代工业经济和信息化. 2019(08)
[3]一种改进的RFB Net遥感影像目标识别算法[J]. 刘相云,郭呈渊,龚志辉,金飞,余东行. 测绘科学技术学报. 2019(02)
[4]腰椎间盘突出症微创治疗研究进展[J]. 徐奎,覃正仕,赵权. 现代中西医结合杂志. 2016(01)
[5]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[6]激活函数可调的神经元模型及其有监督学习与应用[J]. 吴佑寿,赵明生. 中国科学E辑:技术科学. 2001(03)
博士论文
[1]图像分割若干理论方法及应用研究[D]. 陈强.南京理工大学 2007
[2]图像特征检测与运动目标分割算法的研究和实现[D]. 杨莉.西安电子科技大学 2004
本文编号：2979558
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１卷积的过程??Ｆｉｇ．?２．１?Ｔｈｅ?ｐｒｏｃｅｓｓ?ｏｆ?ｃｏｎｖｏｌｕｔｉｏｎ??其中，黄色框区域为卷积核，可训练参数为ｗ９；），黑色框区域为特征图，??是一个大小的矩阵
?腰椎神经根核磁共振图像检测算法研究???５?３?２??１?１?３??／?４?￣ｊ?２?＾?２??＾?２?／?２?＼?２??／?／?Ｖ??ｒ＂―最大油化核１?均值也化核＇ｉ?＼?ｒ随机也化梭＇ｉ??Ｉ?大小为２ｘ２?Ｊ／?／Ｌ?大小为２ｘ２?Ｊ?＇Ｉ?大小为２ｘ２?Ｊ??ｆ￣＾ｌ?Ｉ?１?ｒｔ??图２．?２常用的池化操作??Ｆｉｇ．?２．２?Ｔｈｅ?ｐｏｏｌｉｎｇ?ｏｐｅｒａｔｉｏｎ?ｉｎ?ｃｏｍｍｏｎ?ｕｓｅｓ??２．２．３激活层??若是神经网络中没有激活函数［３９］，则在一定程度上可以将其看成线性表达。线性模??型对特征的表达能力不足，非线性激活函数可以对特征的表达能力进行改善。常用的激??活函数如图２．３所示。??ＴａｎｈｉＡｎ?ＳｔｇｍｏＫｌ＾ｎｔ??＇［?????了????＇［￣￣￣￣￣■?，，一．?＇￣￣??。《?／?０．?／??。＊?”??０２?■?／?＿?０６?■?／??？?〇?／?／??■０２?＿?／?０．０?／??■０?４?？?Ｉ?０?３?／??／?／??？Ｏｆｌ?！?０．２?．／??■〇＊?Ｉ?〇．．ｉ?．??ｙ??？?１????－＊１??????？??〇??＊￣?＾?＾?＊???１?＇?１???－３－６－４?－２?０２?４?６?ａ?－ａ－？－４－２０?２?４?６?Ｂ??ｎ?ｔｏｆＴｍａ，?＾??ＲａＬＵｉＡ?？（??ｊ?／］?３?／?：??３?／?／??＊?ｙ?。?／??°－ａ?－ｅ?－？?２?０?２?＊?
多分类或者识别问??题是大部分卷积神经网络所做的，但是卷积神经网络同样也可以在非监督学习状态下进??行学习，训练的最终目的和基于监督学习的卷积神经网络类似，依然是模型参数的学习。??在这个非监督训练的过程中，卷积神经网络同样不断地调整参数，使损失函数最优化。??卷积核作为特征提取器，从图片中提取Ｋ个特征图，若卷积层中卷积核的大小为??ＷＸＷ，以步长Ｘ在输入的图片中进行提取特征，当输入的图片大小为７７Ｘ／２ＸＪ时，分别??表示长、宽、深度，卷积层会把输入的图片投射成对应的特征图，过程如图２．４所示。??Ｉ?１?］?］?１?１??ｒ?１?＝＾￣￣?二：二■厂积孩參—????祆射函致??Ｉ?Ｉ?１?ｒ??ｎ?｜?１?ｉｌ?１?ｌｉ?，?丨；１??＇Ｌｌ——ｊ——ｔ—??Ｉ?Ｊ?Ｉ?！?１?Ｉ?Ｉ?ｉ?＼?Ｉ??ｐｉ?Ｉ?Ｉ?Ｉ?｜?｜?｜?＼，＿??Ｋ个吞甲饺＃积笤??对茳的？？个栲ｓｓ??＇ｉ?Ｉ?！?ｊ?Ｉ?Ｉ?Ｉ?＇??铂入的ＫＧＢ图片??图２．?４特征提取的过程??Ｆｉｇ．?２．４?Ｔｈｅ?ｐｒｏｃｅｓｓ?ｏｆ?ｆｅａｔｕｒｅ?ｅｘｔｒａｃｔｉｏｎ??－９－??
【参考文献】：
期刊论文
[1]基于改进VGG16的猴子图像分类方法[J]. 田佳鹭,邓立国. 信息技术与网络安全. 2020(05)
[2]基于BP神经网络的超声扫描图像的分割技术研究[J]. 鞠响,冯宇翔. 现代工业经济和信息化. 2019(08)
[3]一种改进的RFB Net遥感影像目标识别算法[J]. 刘相云,郭呈渊,龚志辉,金飞,余东行. 测绘科学技术学报. 2019(02)
[4]腰椎间盘突出症微创治疗研究进展[J]. 徐奎,覃正仕,赵权. 现代中西医结合杂志. 2016(01)
[5]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[6]激活函数可调的神经元模型及其有监督学习与应用[J]. 吴佑寿,赵明生. 中国科学E辑:技术科学. 2001(03)
博士论文
[1]图像分割若干理论方法及应用研究[D]. 陈强.南京理工大学 2007
[2]图像特征检测与运动目标分割算法的研究和实现[D]. 杨莉.西安电子科技大学 2004
本文编号：2979558
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2979558.html
最近更新
教材专著
