基于深度学习的超声血管图像分割与识别软件的设计与实现

发布时间：2021-01-28 16:47

　　血管分割与识别技术在临床上具有重要意义,可辅助医务人员快速地确定血管类型、形状等参数,以便更准确地诊断和治疗疾病。实现血管分割与识别的基础是依赖于医学成像设备的血管图像的获取,与当前成像设备相比较而言,超声成像具有安全性高、操作简便等优势,因此本论文选择超声血管图像为实验对象。基于血管分割与识别技术的发展趋势,结合超声成像技术的优势,本论文设计了一个基于SSD（Single Shot MultiBox Detector）与种子区域生长（Seeded Region Growing,SRG）的组合和全卷积神经网络（Fully Convolutional Networks,FCN）两种方法的超声血管图像分割与识别软件,并针对软件的基础功能模块和涉及的算法模型展开研究,为获取血管相关参数奠定了基础。首先,根据第三方提供的MicrUs EXT-1H超声模块,结合需求分析说明,本论文基于SSD与SRG的组合和FCN两种方法提出超声血管图像分割与识别软件的整体设计方案,并对软件的基础功能模块和算法模型设计进行详细描述。其次,因血管图像处理的前提是图像的获取,基于这一需求,使用MFC创建对话框程序,并... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：100 页

【学位级别】：硕士

【部分图文】：

血管图像：(a)颈动脉血Fig1.1Bloodvesselimage:(a)caro

参数以增加或减少超声图像中显示的回波信息量；增益调整可以平衡回声对比度，使囊状结构显得无回声，反射组织被填充；如果产生了足够的回声信息，增益调整可能会使超声图像变亮或变暗。4）图像保存：由于在进行分割算法研究时需要血管图像数据作支撑，因此要求超声成像系统应用软件要具有本地保存图像、选择图像保存数量的功能。除上述主要的基础功能以外，软件还需具有人机交互功能，并要求其具有简易性等。这些功能相结合、构成超声血管图像分割与识别软件的基础功能模块。图2.5是软件基础功能模块分析的思维导图。图2.5软件基础功能模块分析Fig2.5Analysisofthebasicfunctionalmodulesofthesoftware②软件基础功能模块的方案设计根据MicrUsEXT-1H超声模块、驱动程序文件和基础功能模块相关的DLL文件，通过采用接口调用的方式实现超声图像显示、状态调整、参数调整、图像保存等功能。该模块在Windows10（简称WIN10）专业版系统、VisualStudio2013

2基于深度学习的超声血管图像分割与识别软件设计方案15ultimate（简称VS2013）编程环境下开发完成，功能实现采用C/C++语言编写、利用MFC（MicrosoftFoundationClasses，微软基础类库）设计界面。为确保代码的可读性和可维护性，变量命名均使用小写英文字母和下划线的组合。2.2.2血管分割识别算法研究血管图像分割与识别在临床医学上具有非常重要的意义，其实现可辅助医务人员更精确地确定血管位置、形状等以快速、准确诊断和治疗相关疾玻在软件基础功能模块完成的基础上，可进行血管图像采集实验。分割与识别算法是血管分割识别软件的内涵、核心，它在整个软件中起着智能化的作用，使软件能够自动准确地确定血管位置、形状等，从而获得分割识别结果。因此，本论文针对血管分割识别算法进行研究与设计，以解决软件的核心问题。血管图像分割与识别算法研究部分主要包括：颈动脉和贵要静脉血管图像采集实验、分割与识别算法选择与研究，具体分析如下。①血管图像采集实验在医生的指导下，在WIN10系统上，利用软件基础功能模块，确定参数，将超声图像状态调至运行，然后以实验室成员为实验对象，对其颈动脉和贵要静脉血管进行图像采集实验，采集的效果图如图2.6所示。(a)(b)图2.6血管图像：(a)颈动脉血管图像；(b)贵要静脉血管图像Fig2.6Bloodvesselimages:(a)carotidarteryimage;(b)venabasilicaimage②血管分割识别算法选择虽然基于人工智能的图像分割与识别方法计算复杂度较大，其精确度却与其成正比，而且颈动脉和贵要静脉血管的分割与识别可以拓展应用到其他血管或病灶区域的识别任务中，说明其普适性较好。因此，本论文采用人工智能图像分割与识别算法对血管图像进行处理，但从应用角度分析要为用户提供更多选择的可

【参考文献】：
期刊论文
[1]基于改进SSD的行人检测方法[J]. 邢浩强,杜志岐,苏波.  计算机工程. 2018(11)
[2]浅析集成测试和系统测试的关系[J]. 杨丽波.  电子测试. 2017(20)
[3]超声激励-光纤光栅检测技术的研究与发展[J]. 孟丽君,谭跃刚,周祖德,梁宝逵,杨文玉.  中国机械工程. 2013(07)
[4]超声图像的特性研究进展[J]. 陆惠玲,周涛.  临床合理用药杂志. 2012(06)
[5]软件测试方法概述[J]. 张新华,何永前.  科技视界. 2012(04)
[6]静脉留置针穿刺时防止血液外滴的方法[J]. 李玲,程云.  护理研究. 2010(21)
[7]一种新的视网膜血管网络自动分割方法[J]. 姚畅,陈后金.  光电子.激光. 2009(02)
[8]基于形变模型的医学图像分割综述[J]. 王敏琴,韩国强,涂泳秋.  医疗卫生装备. 2009(02)
[9]结合数学形态学和Level Set超声图像的分割方法[J]. 曹彪,刘奇.  中国测试技术. 2007(05)
[10]一种视网膜血管自适应提取方法[J]. 潘立丰,王利生.  中国图象图形学报. 2006(03)

硕士论文
[1]癌症患者PICC置管期间自我护理能力及影响因素研究[D]. 邵敏.山东大学 2017
[2]基于椭圆拟合和改进FCM的颈动脉血管分割算法研究[D]. 杨轶林.哈尔滨理工大学 2016
[3]基于卷积神经网络的血管图像分割[D]. 王钏.西安电子科技大学 2015
[4]三维超声图像中颈动脉血管壁的分割方法[D]. 李鹤.华中科技大学 2013
[5]基于水平集方法的三维超声颈动脉斑块分割[D]. 程洁玉.华中科技大学 2013
[6]基于数字图像处理的血管管径自动测量技术[D]. 毛晓辉.哈尔滨工程大学 2011
[7]Java语言基于函数摘要的过程间静态测试方法研究[D]. 胡成杰.北京邮电大学 2011
[8]基于Windows平台的视网膜血管医用测量的研究[D]. 谢桂泉.华南理工大学 2010
[9]手持式超声波探伤仪应用软件设计[D]. 宋静.南京航空航天大学 2009



本文编号：3005331