基于深度神经网络的医疗图像分割算法研究

发布时间：2021-12-19 15:43

　　医学影像分割是医学影像分析的重要基础,良好的医学影像分割算法可以有效提高医学影像的诊断能力。现有的医学影像分割通常依赖医生和专家的经验,无法满足大规模医学影像分析的需求。本文以医学腺体图像和视网膜血管图像这两个重要的医学影像为代表进行医学影像分割算法的探索。其中,腺体是重要的人体组织学结构,腺体的形态是腺癌病理分析的重要依据,腺体对象的分割也是腺癌分级的基础和前提;人眼视网膜的血管状态通常反映了人眼的健康状况,血管组织具有纤细而绵长的特点,视网膜血管的分割是眼科病诊断的重要因素。由于两种人体组织结构的复杂性以及在医学影像中呈现出的多样性,相关研究虽取得了一定的进展但仍具有一定的局限性,本文在前人研究的基础上进行了进一步探索,具体工作如下:（1）基于双分支深度神经网络的腺体分割和轮廓预测协同建模方法腺体具有复杂且聚簇的结构特性,在腺体分割任务中,进行腺体的轮廓预测通常能帮助获得较优的边界。现有的深度腺体分割方法通过构建单分支的底层网络提取底层特征再构建分支网络别用于腺体分割和轮廓的共同预测,弱化了腺体分割和轮廓预测任务的相关性以及腺体边界与内部表征的差异性。因此,本文提出一种新型腺体医学... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

感知机Fig.2.1Traditionalmatchingprocessdiagramperceptron

安徽大学硕士学位论文9jjjwbwwLossbbLoss(2-3)其中表示更新速率，首先将权重和偏置初始化为0，然后利用梯度下降法，不断的更新权重和偏置，最后损失函数随着迭代次数增加不断变小直至感知机收敛。梯度下降法如图2.2所示：图2.2梯度下降法Fig.2.2Gradientdescentmethod2.2全连接神经网络2.2.1介绍上一小节介绍了神经网络的理论的基椽—感知机。由于感知机有个致命的缺点就是只能解决线性可分的样本数据，无法解决异或问题，即非线性问题，所以在感知机输入输出之间再增加一些配备了激活函数的隐藏层神经元，就构成了具有非线性特点的全连接神经网络。全连接神经网络如图2.3所示：图2.3全连接神经网络Fig.2.3Fullyconnectedneuralnetwork

安徽大学硕士学位论文9jjjwbwwLossbbLoss(2-3)其中表示更新速率，首先将权重和偏置初始化为0，然后利用梯度下降法，不断的更新权重和偏置，最后损失函数随着迭代次数增加不断变小直至感知机收敛。梯度下降法如图2.2所示：图2.2梯度下降法Fig.2.2Gradientdescentmethod2.2全连接神经网络2.2.1介绍上一小节介绍了神经网络的理论的基椽—感知机。由于感知机有个致命的缺点就是只能解决线性可分的样本数据，无法解决异或问题，即非线性问题，所以在感知机输入输出之间再增加一些配备了激活函数的隐藏层神经元，就构成了具有非线性特点的全连接神经网络。全连接神经网络如图2.3所示：图2.3全连接神经网络Fig.2.3Fullyconnectedneuralnetwork

【参考文献】：
期刊论文
[1]基于多尺度多路径FCN的视网膜血管分割[J]. 张润谷.  激光杂志. 2020(02)
[2]基于Frangi滤波器和Otsu视网膜血管分割[J]. 孟琳,刘静,曹慧,史婷瑶,张驰.  激光与光电子学进展. 2019(18)
[3]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷.  中华肿瘤杂志. 2019 (01)
[4]基于多特征描述的乳腺癌肿瘤病理自动分级[J]. 龚磊,徐军,王冠皓,吴建中,唐金海.  计算机应用. 2015(12)



本文编号：3544673