基于Mask R-CNN的前列腺TRUS图像分割方法研究

发布时间：2025-02-08 16:26

　　随着国民生活水平的日益提高,前列腺疾病目前成为对男性群体健康的最大威胁之一。经直肠超声图像(TRUS)具有实时、廉价和无损的优点,在前列腺疾病的预防、诊断和治疗中被广泛的应用。特别在前列腺癌症的治疗和诊断中,活检针放置等临床应用的需求日益增加,快速及精确的TRUS图像分割成为了一项必不可少的技术需求。由于传统的手动分割TRUS图像分割方法不仅依赖诊断医生的经验,而且分割效率低。因此,高效、精确的TRUS图像分割成为实时前列腺癌变精准手术的关键之一。本文提出了基于Mask R-CNN的TRUS图像分割方法TSNet(TRUS Segmentation Network)。利用MFPN网络在多尺度特征图上通过控制通道规模来强化特征。为了有效利用不同尺度下的特征,网络采用自上而下的侧向连接,并在不同尺度的特征上进行预测,不断重复这个过程,产生含有丰富语义特征的特征并将特征融合。在RPN阶段提出E-OHEM优化算法和新的Anchor机制,根据TRUS图像前列腺目标区域的尺寸统计来改变Anchor比例。在小批量采样过程中按照一定比例的正负样本进行随机采样,并使用非极大抑制移除重叠度高的感兴趣区域,不...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图1-1前列腺TRUS图像

第一章绪论1第一章绪论1.1课题研究背景及意义男性人群当中前列腺癌是最为常见的癌症，根据AmericanCancerSociety的最新的调查发现，2019年美国大约有191930的新增前列腺癌症的患者，并且有33330人死于前列腺癌，约有九分之一的男性一生中将被诊断患有前列腺癌....

图2-4MaxPool运算

天津工业大学硕士学位论文14变，但对于整体图像而言，池化操作在加强主要特征的同时，减轻了对输入数据的敏感程度，增强了鲁棒性。在CNN网络结构中的连续卷积层之间插入池化层，不仅可以减少了空间尺寸，同时可以降低神经网络中的参数数量以及计算开销。有时为了防止出现过拟合现象也会加入适当尺....

图2-6CNN与FCN对比示意图

第二章卷积神经网络的基础理论17图2-6CNN与FCN对比示意图原图每经过一次卷积和池化处理后生成特征图尺寸大小都为卷积前的1/2，其中经过pool3与pool4处理后的特征都需要保留。对图像进行第五次卷积和池化处理后特征图变为原图的1/32，而conv6和conv7之后操作在不....

图2-8U-Net网络结构示意图

天津工业大学硕士学位论文18一定程度上增大感受野，然而却丢失相当一部分空间信息，这对于分割问题来说无疑是不可取的。2.3.2U-Net网络结构特性如图2-8所示，U-Net作为语义分割网络，其结构是在FCN结构的基础上扩展而来的。该结构分别由右侧的上采样部分和左侧的特征提取两部分....

本文编号：4031643