基于深度神经网络的肿瘤图像分析与处理

发布时间：2021-07-14 20:58

　　随着工业化进程的发展和环境的恶化,癌症的发病率呈现不断增长的趋势,社会对此关注度日益增加。癌症的早发现、早诊断、早治疗对于患者的康复具有重要意义。目前,癌症的早期医学诊断主要依赖于生化和影像检查,基于医学图像的计算机辅助检测和诊断（CAD）对于癌症综合诊断结果有着重要影响。然而,肿瘤图像数据具有复杂的病灶特征和抽象的规则表达,且高质量的有标注数据相对匮乏。如何有效的从多维肿瘤图像数据中获取关键的病灶特征,并利用这些特征对目标图像进行语义分割和目标检测,是当前医学图像和机器学习领域的研究热点和亟待解决的问题之一。本文综合运用深度卷积神经网络（CNN）特征提取机制和条件随机场（CRF）理论,围绕脑部与肺部肿瘤图像数据的预处理、语义分割及目标检测等关键问题开展研究,主要工作如下:1)针对肿瘤图像分割模型中存在的收敛速度慢、分割精度低等问题,提出了一种基于分布直方图的图像预处理算法。该算法将肿瘤图像的强度值,基于直方图分段映射到预先设定的固定区间,对强度值进行均衡化再分布。算法在理论上可保证肿瘤图像强度值在预处理后具有可解释性。与现有预处理方法的对比实验表明该算法显著提高了肿瘤图像分割模型的精... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：103 页

【学位级别】：博士

【部分图文】：

脑部胶质翻.

??ｌ?＼??第七章总结与展望??图１．３各章节内容关系图．??本文第二至第七章的组织架构如图１．３所示：第二章介绍了神经网络和肿瘤??图像分析的研宄背景和相关工作：第三章介绍了?ＭＲ和ＣＴ图像的数据预处理方??１０??

ＣＴ?成像??计算机体层成像（ＣｏｍｐｕｔｅｄＴｏｍｏｇｒａｐｈｙ）的英文缩写，是自Ｘ医学领域的一次革命性应用，它利用精准的Ｘ射线等穿过靶内具有不同密度的组织吸收率有一定差异，采用检测器围绕连续的断面扫描，然后计算出靶器官内位于不同部位和深度线吸收系数，就可以重建人体被检查部位的二维断面或三维位的细小病变。其中以Ｘ射线ＣＴ?（Ｘ－ＣＴ）应用最为广泛，究对象，以下简称ＣＴ。??年，美国塔夫茨大学数学家Ａｌｌａｎ?Ｍａｃｌｅｏｄ?Ｃｏｒｍａｃｋ解决了?ＣＴ问题，即从物体某一层面的多方向的ＣＴ投影中可以计算出该英国工程师Ｇｏｄｆｒｅｙ?Ｎｅｗｂｏｌｄ?Ｈｏｕｎｓｆｉｅｌｄ在ＥＭＩ实验中心开展了图像计算机重建的研宄工作，并于１９７１年９月在Ａｔｋｉｎｓｏｎ－Ｍｏｒｌ了?ＣＴ图像临床实验，成功采集了患者的ＣＴ断面图像序列，图

【参考文献】：
期刊论文
[1]医学CT图像预处理上下文算法研究[J]. 史延新.  电子科技. 2018(09)
[2]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.  自动化学报. 2017(03)
[3]基于不变矩特征和神经网络的图像模式模糊分类[J]. 范立南,徐心和.  东北大学学报. 2004(08)

博士论文
[1]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012
[2]图像仿射不变特征提取方法研究[D]. 陈涛.国防科学技术大学 2006



本文编号：3284882