基于深度学习的鼻咽癌与心脏MRI医学图像分类与分割研究

发布时间：2023-04-01 11:13

　　核磁共振成像(Magnetic Resonance Imaging,MRI)等医学成像技术,为鼻咽癌肿瘤的分割、心肌的分割和分类提供了可供参考的解剖成像。在临床诊断过程中,医生通常需要手动标注鼻咽癌肿瘤或心肌的边界以辅助治疗。该过程单调乏味、耗时且容易出错。因此采用计算机自动分割算法来辅助医生精准定位鼻咽癌肿瘤和心肌区域成为一种必要需求。然而由于鼻咽癌区域和心肌区域较小,容易造成前景和背景类别极端不平衡问题。另外,每个病人癌症区域组织结构(如形状、大小等)存在较大差异,且MRI医学图像存在特殊性,使鼻咽癌肿瘤的自动分割任务存在较大的挑战性。此外,由于心肌区域的低对比度和在强度和形状上的较大变化,以及运动伪影和心脏动力学引起的合成心脏磁共振(Cardiac Magnetic Resonance,CMR)图像中的固有噪声会干扰心肌分析,心肌分割和分类也是一项具有挑战性的任务。因此基于深度学习的鼻咽癌与心脏MRI医学图像分类与分割技术有广泛的研究价值和应用前景。本文的研究内容是鼻咽癌与心脏MRI医学图像分类与分割,主要分为如下几个方面:(1)由于医学图像存在质量与标注差的问题,所以本文首先研...

【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 选题的背景和意义
    1.2 医学图像分割的研究现状
        1.2.1 鼻咽癌分割
        1.2.2 心肌分割与分类
    1.3 论文的主要内容及组织结构
        1.3.1 论文的主要内容
        1.3.2 论文的组织结构
第二章 深度学习在图像中的应用
    2.1 深度学习概述
        2.1.1 人工神经网络
        2.1.2 卷积神经网络
    2.2 深度学习在语义分割中的应用
        2.2.1 解码器变体
        2.2.2 整合上下文信息
    2.3 深度学习在医学图像中的应用
        2.3.1 医学图像分割
        2.3.2 计算机辅助诊断
    2.4 本章小结
第三章 基于数据结构的异常检测方法
    3.1 引言
    3.2 基于数据结构的异常检测算法
        3.2.1 研究动机
        3.2.2 LDS算法
    3.3 实验结果与分析
        3.3.1 评价指标
        3.3.2 数据集
        3.3.3 实验结果与分析
        3.3.4 鲁棒性验证
    3.4 本章小结
第四章 基于多尺度特征金字塔的 3D CNN鼻咽癌分割方法
    4.1 引言
    4.2 基于多尺度特征金字塔的 3D CNN鼻咽癌分割算法
        4.2.1 SFPN网络结构
        4.2.2 带跳跃连接的多尺度特征
        4.2.3 辅助分割预测
        4.2.4 损失函数
    4.3 实验结果与分析
        4.3.1 数据集及预处理
        4.3.2 评价指标
        4.3.3 实验设置和参数设定
        4.3.4 对比方法介绍
        4.3.5 加权交叉熵的实验结果
        4.3.6 Jaccard损失的实验结果
    4.4 本章小结
第五章 基于多任务学习的心肌自动分割和诊断方法
    5.1 引言
    5.2 基于多任务学习的心肌自动分割和诊断算法
        5.2.1 CMFNet网络结构
        5.2.2 级联的多尺度特征
        5.2.3 损失函数
    5.3 实验结果与分析
        5.3.1 数据集及预处理
        5.3.2 实验设置和参数设定
        5.3.3 对比方法介绍
        5.3.4 实验结果及分析
        5.3.5 鲁棒性验证
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者在读期间科研成果简介
致谢



本文编号：3777041