基于卷积神经网络的心脏CT图像配准与分割

发布时间：2022-07-11 15:13

　　心脏在人体循环系统中负责泵送血液,是人体最重要的器官之一,而心血管疾病却严重地威胁到了人类的健康。计算机化X射线断层摄影（Computed Tomography,CT）是最常见的医学影像成像方式之一,在多种疾病的诊断和辅助治疗中扮演着不可或缺的角色。在临床医疗中,心脏CT图像的分割为心血管疾病的诊断和治疗提供了重要的帮助,但人工分割心脏CT图像是一项复杂耗时的任务。在医学图像处理领域,自动且准确地分割心脏CT图像是一个重要的研究方向。基于多模板配准的分割技术是一种常用的图像分割方式。利用配准技术可以获得模板向目标图像的空间变换,将此变换作用在模板分割标签上即可得到模板对目标图像的预测分割结果,融合多个模板的预测分割通常能提高最终分割结果的准确性。但是多模板配准技术时间复杂度高,不满足实时性要求,并且如何融合多个预测结果是一个难题。卷积神经网络（Convolutional Neural Network,CNN）的快速发展,以及全卷积网络（Fully Convolutional Network,FCN）的出现使得快速且精确地分割心脏CT图像成为可能,但是基于卷积神经网络的分割算法的准确性容... 

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略语表
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 基于图像的方法
        1.2.2 基于模型的方法
        1.2.3 基于卷积神经网络的方法
    1.3 本文的研究内容及意义
    1.4 本文组织结构
第二章 理论基础
    2.1 引言
    2.2 医学图像配准原理
        2.2.1 数学模型
        2.2.2 图像配准流程及本文选用的配准模型
    2.3 基于配准的图像分割算法
        2.3.1 基于单模板配准的图像分割算法
        2.3.2 基于多模板配准的图像分割算法
    2.4 卷积神经网络理论
        2.4.1 卷积神经网络的基本组成
        2.4.2 FCN和 UNet
        2.4.3 残差网络结构
    2.5 本章小结
第三章 基于深度全卷积网络的心脏CT图像配准技术
    3.1 引言
    3.2 相关工作
    3.3 基于深度全卷积网络的心脏CT图像配准技术
    3.4 实验数据
        3.4.1 原始数据集
        3.4.2 数据预处理
        3.4.3 本章数据集构建
    3.5 实验环境
    3.6 实验评价指标
        3.6.1 基于配准结果的评估指标
        3.6.2 基于分割标签的评估指标
    3.7 实验结果与分析
        3.7.1 UNet_3LD动量预测网络结构分析
        3.7.2 UNet_3LD-LDDMM形变的平滑性分析
        3.7.3 UNet_3LD-LDDMM配准技术实验分析
        3.7.4 本章实验小结
    3.8 本章小结
第四章 相似性度量网络SNet
    4.1 引言
    4.2 基于残差模块的相似性度量网络
    4.3 实验数据
    4.4 实验分析
        4.4.1 Snet网络结构分析
        4.4.2 不同相似性度量对标签融合算法的影响
        4.4.3 时间复杂度对比
        4.4.4 实验小结
    4.5 本章小结
第五章 半局部标签融合算法
    5.1 引言
    5.2 半局部标签融合算法
    5.3 实验分析
        5.3.1 候选标签数量对标签融合的影响
        5.3.2 标签融合算法的实验对比
        5.3.3 时间复杂度分析
        5.3.4 实验小结
    5.4 本章小结
第六章 融合卷积神经网络与多模板配准的心脏CT图像分割算法
    6.1 引言
    6.2 融合卷积神经网络与多模板配准的心脏CT图像分割算法
    6.3 实验结果及分析
        6.3.1 本文分割算法的训练与测试步骤
        6.3.2 心脏CT图像分割结果实验分析
    6.4 本章小结
第七章 总结和展望
    7.1 工作总结
    7.2 研究展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]运用LV-METRIC软件自动分析左室壁的节段性运动[J]. N.C.Codella,J.W.Weinsaft,M.D.Cham,M.Janik,M.R Prince,李翠玲.  国际医学放射学杂志. 2008(06)

博士论文
[1]医学图像分割方法研究及其应用[D]. 郑倩.南方医科大学 2014



本文编号：3658393