基于卷积神经网络的多元颅面相似度计算方法研究

发布时间：2021-09-23 00:46

　　计算机辅助颅面复原是一个结合现代解剖学,以计算机为工具,进行数字化颅面复原的新兴技术,应用前景广泛。相关领域专家和学者们在颅面复原算法上已经展开多年研究,但颅面复原中的相似度计算研究仍欠缺不足。本文以深度学习中的卷积神经网络作为基础研究方法,根据实验数据特点,搭建了四种不同的卷积神经网络结构,实现了基于卷积神经网络的多元颅面相似度计算方法。具体研究内容如下:1.实现了一种基于深度图的三维信息到二维信息的映射方法。该方法将三维颅面的点云数据,利用降维投影、分块处理、插值修补以及归一化等处理,构建对应的带有深度信息的二维深度图,既保持了原有数据的三维特征,且在数据处理和训练上体现二维信息的便捷性。2.提出了一个基于八层卷积神经网络的颅面相似度计算方法。该方法根据输入数据的反复实验测试结果,搭建了一个“卷积层-下采样层-卷积层-下采样层-局部连接层-局部连接层-全连接层-softmax输出层”结构的卷积神经网络,实验设定网络学习速率和各层参数,实现了颅面相似度计算的自动化。实验证明,与常用的颅面相似度计算方法相比,该方法实现自动化程度高,无需进行特征点标定及特征计算等工作,且准确度高,效率也... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

颅面复原流程图

图 2 CT 数据采集设备及其成像原理示意图图 2 中的 CT 设备进行是采用 X 射线的原理进行数据采集，简单来说，就是让 X射线围绕扫描物体一周，观察每一个角度的衰减程度，最后使用计算机逆向计算出扫描物体的各层组织对 X 射线的衰减系数。而利用该设备取采集颅骨数据，为在颅骨和颅面的相关科学研究上提供了良好的数据基础。图 2 所示的是螺旋 CT 扫描设备，除此之外，还有一种扫描设备是序列 CT 扫描机。虽然都为 CT 扫描设备，但是在获取的数据上存在差异。螺旋 CT 扫描设备获取的颅骨断层切片的边缘对称性不是很好，因为该设备获取的断层图像相对于人体中轴的对称面有些许的倾斜度，如图 3 所示。而序列 CT 扫描设备获取的断层图像在人体固定不动的情况下，对于上述情况要优于螺旋 CT 扫描设备，因为其对人体中轴对称面严格的垂直，所以的搭配的颅骨断层切片对称效果比较理想，如图 4。

旋扫描设备获取的颅骨 CT 图像 图 4 序列扫描设备获取的颅骨 CT 图的成像依据是根据人体各组织对 X 射线吸收的系数，它的断层 X 射线吸收系数的分布图。CT 在物理学原理的基础上，遵循 X 公式（2.1）。udIIe 0（2.1）中，I 表示通过 X 射线在物质衰减过后的强度，0I 表示 X度，u 表示物质的吸收系数，d 表示物质的厚度。CT 其实就是利线束通过扫描部位层面的 X 射线，将其转化为可见光后，使用为电信号，再使用模拟数字转化器将电信号转化为数字信号，输。CT 值用来反映组织之间的差异，是空气到致密骨之间对 X 射进行划分而得到。而 CT 采集获取的数据，针对不同个体头部尺扫描大约需要 320 张 CT 序列图像才可获取完整的头部影响数据


本文编号：3404689