基于深度卷积神经网络的CT图像肝脏肿瘤分割方法研究

发布时间：2017-11-01 15:01

  本文关键词：基于深度卷积神经网络的CT图像肝脏肿瘤分割方法研究

  更多相关文章： 肝脏肿瘤分割 深度卷积神经网络 深度学习 图割 CT图像

【摘要】：肝脏是人体腹腔内最大的实质性器官,其结构复杂,血管丰富,病变种类多,发病率高,已经严重威胁着人类的健康和生命。近年来,计算机断层成像(Computed Tomography,CT)已成为肝脏肿瘤诊断与治疗中最常用的医学成像方式,主要的治疗手段包括肿瘤切除、介入、放射等,每种治疗方法都需要术前详细了解肿瘤的数量、大小、位置等信息,以便制定一个完善的治疗方案。因此,肝脏肿瘤的精确分割成为肝肿瘤治疗的首要任务。肿瘤分割难点主要体现在以下几个方面,首先肝脏肿瘤的大小、形状、位置复杂多变,因人而异;其次肿瘤区域与肝脏正常组织界限模糊且可能毗邻其他器官及血管;另外,肝脏肿瘤影像表现存在较大差异,病变组织灰度不均匀等。在临床诊断中,手动分割一致性差,耗时多,大量研究工作者对其分割进行了深入研究,提出了许多半自动、自动的分割方法。通常半自动分割方法需要人工干预,依赖于人的主观性和经验。大部分自动分割方法是基于传统的机器学习方法完成的,需要手动设计提取大量特征,特征提取过程复杂且计算量大,凭借经验。肝脏肿瘤分割仍然是医学图像处理领域中的研究难点和热点。在本文研究中,首先提出了基于深度卷积神经网络(Convolutional neural networks,CNN)的肝脏肿瘤自动分割方法。提取不同大小的图像数据块作为训练数据并设计不同的网络结构,自动学习特征,获得肿瘤的分割结构。其次,提出了基于深度卷积神经网络与图割优化结合的分割方法。通过图割优化所获得肿瘤粗分割区域,无需相应的后处理就能得到平滑的肿瘤边界,获得更精确的分割结果。然后,将传统的手工提取特征和自动学习特征进行对比,分别训练AdaBoost,Random Forests分类器用于肿瘤分割,相比之下,自动学习特征更有效,更具有可分性,更能够刻画数据的丰富内在信息,有利于肿瘤分割。实验结果表明,通过深度卷积神经网络自动学习所获得的特征更有利于肝脏肿瘤分割,基于深度卷积神经网络并通过图割优化后的肿瘤分割结果优于传统机器学习方法及半自动水平集方法的分割结果,具有较高的准确性和鲁棒性。
【关键词】：肝脏肿瘤分割 深度卷积神经网络 深度学习 图割 CT图像
【学位授予单位】：中国科学院深圳先进技术研究院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R816.5;TP183;TP391.41
【目录】：

• 摘要4-5
• Abstract5-13
• 第一章 绪论13-25
• 1.1 课题研究背景和意义13-15
• 1.2 国内外研究现状15-22
• 1.3 CT图像肝脏肿瘤分割评价标准22-23
• 1.4 本文研究内容及结构安排23-25
• 第二章 基于浅层机器学习模型的肝脏肿瘤分割方法25-33
• 2.1 引言25
• 2.2 浅层机器学习模型算法内容25-30
• 2.2.1 图像数据预处理25-26
• 2.2.2 手动设计提取特征26-28
• 2.2.3 AdaBoost分类器28-29
• 2.2.4 随机森林29-30
• 2.3 算法实现30-31
• 2.4 实验结果31-32
• 2.5 本章小结32-33
• 第三章 基于深度卷积神经网络的肝脏肿瘤分割方法33-45
• 3.1 引言33-34
• 3.2 深度卷积神经网络算法34-38
• 3.2.1 卷积层（Convolution Layer）34
• 3.2.2 最大池化下采样层（MaxPooling Layer）34-35
• 3.2.3 全连接层（Fully-connected layer）35
• 3.2.4 Logistic回归35-36
• 3.2.5 Softmax回归36
• 3.2.6 Sigmoid转移函数36-37
• 3.2.7 损失函数（Loss Function）37
• 3.2.8 随机梯度下降法（Stochastic Gradient Descent）37-38
• 3.3 提取训练数据38
• 3.4 深度卷积神经网络结构38-39
• 3.5 算法实现39-41
• 3.6 实验结果41-43
• 3.7 本章小结43-45
• 第四章 基于多尺度深度卷积神经网络的肝脏肿瘤分割方法45-51
• 4.1 引言45
• 4.2 提取不同尺度的图像数据块45
• 4.3 多尺度的深度卷积神经网络结构45-46
• 4.4 算法实现46-47
• 4.5 实验结果47-49
• 4.6 本章小结49-51
• 第五章 基于深度卷积神经网络与图割优化的肝脏肿瘤分割方法51-63
• 5.1 引言51
• 5.2 构建深度卷积神经网络模型51-52
• 5.3 图割理论52-53
• 5.4 算法实现53-55
• 5.4.1 获取前景背景图像53-54
• 5.4.2 图割优化54-55
• 5.5 实验结果55-61
• 5.5.1 图割优化分割结果55-56
• 5.5.2 自动学习特征与手工提取特征比较56-58
• 5.5.3 与基于level-set的半自动分割算法比较58-60
• 5.5.4 几种肝脏肿瘤分割方法结果对比60-61
• 5.6 本章小结61-63
• 第六章 总结与展望63-65
• 6.1 工作总结63
• 6.2 展望63-65
• 参考文献65-70
• 致谢70-71
• 作者简介71

【相似文献】

中国期刊全文数据库 前10条

1 邓乐红;;彩色多普勒对肝脏肿瘤的超声诊断分析[J];云南医药;2007年06期

2 雷涛;朱利飞;李京;李慧;;彩色多普勒超声引导下经皮肝脏肿瘤穿刺诊断与治疗分析[J];现代医药卫生;2008年07期

3 王兆海;彭承宏;;纳米技术在肝脏肿瘤诊治中的应用[J];肝胆外科杂志;2008年02期

4 ;肝脏肿瘤诊断治疗的新技术与新概念研讨班通知[J];癌症;2010年09期

5 ;欢迎订阅《肝脏肿瘤手术技巧影像图解》[J];中华临床医师杂志(电子版);2010年10期

6 钟麟;胡廷泽;李福玉;郎诗民;;小儿原发性肝脏肿瘤50例临床分析[J];实用肿瘤学杂志;1991年03期

7 彭彩凤，白翠萍，田芳，张晓秋，田世庄;彩色多普勒血流显像诊断肝脏肿瘤的探讨[J];中国超声医学杂志;1994年12期

8 胡利安;肝脏肿瘤自发破裂4例分析[J];吉林医学;1994年01期

9 冯志刚;小儿原发性肝脏肿瘤17例临床分析[J];肝胆胰外科杂志;1996年01期

10 秦学斌;肝脏肿瘤手术麻醉61例[J];华夏医学;1998年01期

中国重要会议论文全文数据库 前10条

1 于金春;;浅谈肝脏肿瘤施护[A];甘肃省中医药学会2010年会员代表大会暨学术年会论文汇编[C];2010年

2 吴沛宏;赵明;张福君;黄金华;范卫君;李立;徐志斌;莫运仙;顾仰葵;;经皮射频消融术在肝脏肿瘤治疗中的临床价值[A];第八届全国肝癌学术会议论文汇编[C];2001年

3 杨运堂;;螺旋CT对肝脏肿瘤侦测的技术价值[A];第十三届全国临床医学影像学术会议论文汇编[C];2003年

4 潘伟华;张弛;王俊;蔡威;施诚仁;;儿童期肝脏肿瘤的治疗体会[A];中国抗癌协会第七届全国小儿肿瘤学术会议论文汇编[C];2007年

5 王文平;;肝脏肿瘤的超声诊断进展[A];2005年上海市生物医学工程学会学术年会论文集[C];2005年

6 周少明;代东伶;蔡华波;曾祥士;曹琳;文善姬;罗宏;;儿童肝脏肿瘤101例临床分析[A];第十届全国儿童消化系统疾病学术会议论文汇编[C];2014年

7 邱怡友;;肝脏肿瘤局部消融术的最新发展[A];中华医学会第十八次全国放射学学术会议论文汇编[C];2011年

8 詹锋;王昌俊;;陈治平治疗肝脏肿瘤经验浅谈[A];2012年(第3次)广东省肝脏病学会中医药学专业委员会学术会议暨国家继续教育项目《中西医结合治疗肝病进展学习班》论文汇编[C];2012年

9 方玲;周晓东;何光彬;孟欣;张琪;;实时组织弹性成像在评价肝脏肿瘤中的初步应用[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

10 王爽;周纯武;赵心明;;肝脏肿瘤多层螺旋CT灌注研究[A];第三届中国肿瘤学术大会教育论文集[C];2004年

中国重要报纸全文数据库 前9条

1 李运红邋　胡颜;创新术式切除巨大肝脏肿瘤[N];科技日报;2007年

2 王继荣邋戴智玉;联合诊疗肝脏肿瘤中心开诊[N];科技日报;2008年

3 常州三院超声介入科主任 张伟民;肝脏肿瘤如何科学治疗[N];常州日报;2008年

4 张鹏;小儿肝脏肿瘤多发令人忧[N];健康报;2013年

5 青岛大学医学院小儿外科学教授 董劏 段于河 整理;计算机辅助 肝肿瘤手术更安全[N];健康报;2012年

6 张鹏 记者 唐先武;吴孟超：我国小儿肝脏肿瘤呈多发趋势[N];科技日报;2013年

7 陈怡如 戴欣;肝脏肿瘤冷冻治疗研究成果获国际大奖[N];解放军报;2011年

8 高国起;鲁破解肝脏肿瘤切缘难题[N];中国医药报;2003年

9 刘炽;TACE+激光热疗摧毁肝肿瘤[N];中国医药报;2004年

中国博士学位论文全文数据库 前1条

1 董爱生;肝细胞癌弥散加权成像研究及肝脏肿瘤活体和离体氢质子磁共振波谱分析[D];第二军医大学;2007年

中国硕士学位论文全文数据库 前10条

1 戴薪传;SPINK6基因高表达对肝脏肿瘤细胞抑制作用的研究[D];复旦大学;2012年

2 仇欣悦;多种数学模型在肝脏肿瘤DWI检查中的应用[D];浙江大学;2016年

3 李雯;基于深度卷积神经网络的CT图像肝脏肿瘤分割方法研究[D];中国科学院深圳先进技术研究院;2016年

4 栗河莉;超声造影在肝脏肿瘤诊断中的临床应用研究[D];郑州大学;2006年

5 游锦华;数字化肝静脉分型及其在肝脏肿瘤外科中的应用研究[D];南方医科大学;2012年

6 赵建卿;CT引导下肝脏肿瘤射频消融术后疗效的影响学评价及随访价值探讨[D];新疆医科大学;2012年

7 李沐纯;白蛋白纳米载体介导的端粒酶反义核苷酸治疗肝脏肿瘤[D];中南大学;2004年

8 武晓勇;射频消融治疗肝脏肿瘤病人生活质量研究[D];浙江大学;2009年

9 张利勇;冷循环射频消融治疗肝脏肿瘤93例临床分析[D];浙江大学;2010年

10 杨微;肝脏肿瘤不同放疗技术及三维适形放疗不同数量照射野的剂量学研究[D];中国人民解放军医学院;2012年

，

本文编号：1127294