冠脉OCT图像中的斑块自动分割算法研究

发布时间：2022-02-20 21:35

　　随着社会的发展,人们的生活质量不断提高,心血管疾病已经成为严重威胁人类生活质量的疾病。心血管疾病是一种可以预防的常见的死亡病因。目前,心血管疾病的医学影像诊断技术有多种,为了更加清晰的辨别血管内病灶的组成成分,专家可以使用血管内光学相干断层扫描（OCT,Optical Coherence Tomography）图像来检测和表征病变。但是,冠脉OCT图像中的病灶诊断仍需要专家手动标注,这样不仅存在因专家个体差异而导致的分割误差,而且费时费力。因此,实现冠脉OCT图像斑块的人工智能自动分割对心血管疾病的临床诊断具有重大意义。本文使用人工智能算法及深度学习方法,实现了冠脉OCT图像中三种特征斑块的自动分割,本文主要研究内容如下:（1）本文提出了基于改进中智学算法的冠脉OCT图像斑块分割方法,根据中智学算法转换至不同领域可提取图像中不同区域像素的特点,本文使用S型隶属度函数改变中智学算法转换公式,提高像素分类的准确度,进而提高图像分割精度,本文方法能够利用中智学算法的转换过程将纤维斑块、脂质区全自动分割出来,并结合转换后的两种领域图像利用区域生长算法将钙化斑块准确分割出来。（2）本文提出了使用... 

【文章来源】：河北大学河北省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 背景及研究意义
    1.2 国内外研究现状
        1.2.1 冠脉OCT图像斑块分割传统方法研究现状
        1.2.2 冠脉OCT图像分割深度学习研究现状
    1.3 本文研究内容与创新
    1.4 本文结构安排
第二章 冠脉OCT图像斑块分割研究基础
    2.1 冠脉OCT图像基本介绍
        2.1.1 OCT成像原理
        2.1.2 冠脉OCT影像特点
    2.2 冠脉OCT图像传统算法分割基础
        2.2.1 K-means聚类
        2.2.2 区域生长算法
        2.2.3 分水岭算法
        2.2.4 冠脉OCT图像分割算法对比分析
    2.3 基于深度学习的冠脉OCT图像分割基础
        2.3.1 常用图像分割网络结构
        2.3.2 冠脉OCT图像的现有分割网络对比分析
    2.4 本章小结
第三章 基于改进中智学算法的冠脉OCT图像的多区域自动分割算法
    3.1 引言
    3.2 分割流程
    3.3 中智学
    3.4 纤维斑块的分割
    3.5 脂质区的分割
        3.5.1 同态滤波
        3.5.2 形态学
    3.6 钙化斑块的分割
        3.6.1 预处理
        3.6.2 钙化斑块分割
        3.6.3 区域生长
    3.7 实验结果与分析
        3.7.1 实验环境
        3.7.2 实验结果与对比
    3.8 本章小结
第四章 基于混合模型的冠脉OCT图像多区域全自动分割算法
    4.1 引言
    4.2 分割流程
    4.3 U-Net粗分割
        4.3.1 数据来源
        4.3.2 预处理
        4.3.3 U-Net网络模型
        4.3.4 迁移学习与Droupout
    4.4 隶属-中智算法模型精分割
        4.4.1 中智学理论
        4.4.2 隶属-中智算法
        4.4.3 分割过程
    4.5 结果与讨论
        4.5.1 效果
        4.5.2 性能评价
    4.6 本章小结
第五章 总结和展望
    5.1 工作总结
    5.2 未来展望
参考文献
致谢
个人简介及攻读硕士学位期间取得的研究成果


【参考文献】：
期刊论文
[1]K-Means聚类算法研究综述[J]. 杨俊闯,赵超.  计算机工程与应用. 2019(23)
[2]《中国心血管病报告2018》要点介绍[J]. 马丽媛,吴亚哲,陈伟伟.  中华高血压杂志. 2019(08)
[3]《中国心血管病报告2017》要点解读[J]. 马丽媛,吴亚哲,王文,陈伟伟.  中国心血管杂志. 2018(01)
[4]血管内超声与定量冠脉造影在冠心病诊治中的对比研究[J]. 段娜,罗德锋,侯爱洁,栾波.  中国医药科学. 2018(03)
[5]基于K-means聚类与改进随机游走算法的冠脉光学相干断层图像斑块分割[J]. 王光磊,王鹏宇,韩业晨,刘秀玲,李艳,卢倩.  生物医学工程学杂志. 2017(06)
[6]基于改进分水岭算法的图像分割算法[J]. 邱瑞,祝日星,许宏科.  吉林大学学报(理学版). 2017(03)
[7]改进区域生长算法在视杯图像分割中的应用[J]. 刘振宇,汪淼.  辽宁大学学报(自然科学版). 2017(02)
[8]基于核图割算法的冠脉光学相干断层图像斑块区域分割[J]. 张勃,杨建利,王光磊,王洪瑞,刘秀玲,韩业晨.  生物医学工程学杂志. 2017(01)
[9]结合分水岭算法的水平集医学图像分割方法[J]. 张辉,朱家明,陈静,吴杰.  计算机科学. 2016(S2)
[10]结合LPG&PCA的中智学图像分割[J]. 张桂梅,王大雷.  中国图象图形学报. 2014(05)

硕士论文
[1]基于全卷积神经网络的语义分割算法研究[D]. 戴伟达.南京邮电大学 2019
[2]基于U-Net的肺结节辅助检测系统设计与实现[D]. 徐峰.宁夏大学 2019
[3]基于分水岭的SAR图像分割方法研究[D]. 韩琳旖.西安电子科技大学 2018
[4]基于中智学理论的图像分割算法研究[D]. 王大雷.南昌航空大学 2014



本文编号：3635847