基于卷积神经网络的丘脑分割方法研究

发布时间：2024-01-25 14:36

　　丘脑是人脑的中转站,接收除嗅觉外的所有感觉信号,并传递至大脑皮层区域。丘脑可以划分为多个核团,并且每个核团有其特定的功能。核团与特定皮层区域存在连接或者成为皮层连接之间的中继。众多神经系统疾病与丘脑核团的损坏有着密切的联系,如阿兹海默症、帕金森症、精神分裂症、癫痫等多种疾病。深部脑刺激手术通过对丘脑特定核团植入起搏器,可以有效治疗上述疾病。因此,精准的丘脑分割对于大脑认知研究、神经疾病的机制研究与诊断治疗等领域具有重要价值与意义。磁共振成像(Magnetic Resonance Imaging,MRI)具有高分辨率、良好的对比度、无辐射等多种优点,被广泛应用于脑认知研究、神经系统疾病的诊断与治疗。磁共振成像为丘脑的准确分割提供了良好的基础。手动分割核磁共振图像是一个非常耗时且繁琐的任务。自动、准确的丘脑分割对于后续的诊断与治疗具有重要价值。卷积神经网络作为近年来发展的新型技术,被越来越多地运用于医学影像分割。然而现有针对卷积神经网络方法未能充分考虑成像噪声以及丘脑与周边组织对比度较低等因素。针对这些挑战,本文提出了一种新型的卷积神经网络——残差密集U形网络(Residual Dense...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于区域的丘脑分割方法
        1.2.2 基于聚类的丘脑分割方法
        1.2.3 基于图谱配准的丘脑分割方法
        1.2.4 基于深度学习的丘脑分割方法
    1.3 论文研究内容
    1.4 论文组织结构
第2章 相关背景技术
    2.1 卷积神经网络
        2.1.1 特征提取模块
        2.1.2 分类决策模块
    2.2 卷积神经网络中相关算法
        2.2.1 前向传播算法
        2.2.2 反向传播算法
        2.2.3 随机梯度下降算法
    2.3 端到端的卷积神经网络
        2.3.1 全卷积神经网络
        2.3.2 U-Net
        2.3.3 SegNet
    2.4 本章小结
第3章 基于RDU-Net卷积神经网络的MRI丘脑分割模型设计
    3.1 端到端的卷积神经网络模型RDU-Net设计
    3.2 RDU-Net网络结构
    3.3 Res Dense Block(RDB)
    3.4 残差学习
    3.5 密集连接
    3.6 瓶颈设计
    3.7 本章小结
第4章 MRI丘脑分割实验结果及分析
    4.1 实验数据
        4.1.1 实验数据集
        4.1.2 数据预处理
    4.2 实验环境
    4.3 实验评估指标
        4.3.1 DSC
        4.3.2 IOU
        4.3.3 AVD
        4.3.4 HD
    4.4 实验结果及分析
        4.4.1 基础实验结果及分析
        4.4.2 消融实验结果及分析
        4.4.3 训练样本个数实验结果及分析
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简介



本文编号：3884997