基于卷积神经网络的肝分割技术研究

发布时间：2021-12-17 15:21

　　影像诊断是发现器官病变的常用手段,一般情况下,需要经验丰富的医师通过人工观察影像来判断,但是人工诊断的正确性受限于医师的能力,同时较多的影像数量也给阅片带来了巨大的压力。近年来,随着神经网络技术的快速发展,越来越多的计算机视觉任务运用卷积神经网络技术取得了较大进步。本文对基于卷积神经网络的肝分割技术做了研究,其中肝分割包括肝实质分割和肝病灶分割,主要完成了以下工作:本文在UNet网络结构的基础上,设计了用于医学影像数据的三维全卷积肝分割网络结构,考虑到医学影像数据是一种器官边缘特征模糊复杂的三维结构数据,该网络结构中使用了跳跃式连接、空洞卷积、下采样、反卷积等特殊设计。其次为了避免因数据集类别不均衡而导致的分割不精确问题,网络优化时采用了DICE损失函数。最后为了提高三维全卷积网络的泛化能力,在自有数据集上对原始网络进行了微调。在肝分割研究的基础上,本文进一步做了肝病灶的分割研究。针对肝病灶分割,设计了一种混合密集连接UNet网络。考虑到肝病灶一般为体积小且形态多变的三维结构数据,本文首先设计了三维密集连接UNet网络,其中使用了UNet、密集连接、下采样、反卷积等结构。但是三维网络带... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

微调版三维全卷积网络训练损失值变化曲线图

【参考文献】：
期刊论文
[1]医学影像计算机辅助检测与诊断系统综述[J]. 郑光远,刘峡壁,韩光辉.  软件学报. 2018(05)
[2]肝脏炎症及其防治专家共识[J]. 王宇明,于乐成.  中华临床感染病杂志. 2014 (01)
[3]我国恶性肿瘤发病现状及趋势[J]. 吴菲,林国桢,张晋昕.  中国肿瘤. 2012(02)
[4]MRI技术发展十年回顾[J]. 冯晓源.  继续医学教育. 2007(25)



本文编号：3540398