基于深层聚合残差密集网络的左心室超声图像分割方法研究

发布时间：2022-02-15 17:20

　　近年来,心血管疾病的患病率以及死亡率越来越高,已严重威胁到人类的健康,这就要求医生能及早诊断出心血管疾病,为患者的后期治疗赢得时间,而左心室超声图像的分割结果可以辅助医生对心血管疾病进行诊断,但左心室超声图像具有强噪声、弱边缘、组织结构复杂等特点,使得图像分割存在难度大、效率低、精度差等问题。基于此,本文提出了一种基于深层聚合残差密集网络的左心室超声图像分割算法,其研究内容主要包括图像预处理、分割网络的设计以及分割系统的实现。（1）为了降低左心室的周围组织（脂肪或肺等）对超声图像分割的影响,本文采用传统的阈值分割方法定向裁剪图像。首先,对左心室超声图像进行像素统计,并根据统计得出的阈值将图像二值化,用于区分左心室超声图像中的背景、左心室、肺以及脂肪等区域;然后,使用形态学处理（开操作、腐蚀,闭操作）删除二值图像中的干扰块并填充其闭合区域,使得图像中相邻的区域联通到一起,减少了二值图像中联通组件的数量;最后,通过先验信息锁定目标轮廓,确定左心室在超声图像中的区域,并根据确立的目标范围对左心室超声图像进行裁剪。（2）为提高网络的分割精度,本文在基于编码-解码框架的神经网络基础上,引入残差密... 

【文章来源】：兰州理工大学甘肃省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

左心室超声图像的手动分割原理

入图像尺寸固定，且只能获得图像的局部信息，图像块之间的像素被重复计算，导致计算量庞大且精度不高。在许多的视觉任务中，比如医学图像的分割中，人们希望神经网络能对图像的每个像素点进行分类，即输入是原始图像，通过分割网络直接输出分割图像结果，简化图像分割过程，并称能实现这样功能的网络叫做端到端网络。端到端网络应用于图像分割时，CNN的感受野与分割目标大小相匹配才能获得良好的分割效果，改变感受野的端到端分割网络可分为两类，即基于空洞卷积框架的神经网络模型和基于编码-解码框架的神经网络模型。图1.3空洞卷积(1)基于空洞卷积框架的神经网络模型。2015年YU等人[36]提出空洞卷积用于图像分割，针对以池化方式增大感受野会丢失图片部分信息、降低图片分辨率等问题，提出在卷积核中加入“空洞”直接提升感受野，空洞卷积的原理如图1.3所示，通过在标准卷积核中注入空洞来增加网络的感受野，例如图中卷积核的有效像素都是9，可是由于注入空洞数的不同，感受野也不相同。2016年至2018年，结合空洞卷积的思想Chen等人先后提出DeepLabv1[37]、DeepLabv2[38]、DeepLabv3[39]、DeepLabV3+[40]等分割网络模型，该类算法是利用空洞卷积并结合金字塔空间池化的多尺度处理，然后添加全连接条件随机场[41]做后处理，最

图1.6分割结果对比维恩图

【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟.  中国循环杂志. 2019(03)
[2]基于灰度图像的像素量化隐写算法[J]. 李江华,章柯俊.  包装工程. 2019(01)
[3]基于改进PSO-BP神经网络的回弹预测研究[J]. 杨钎,许益民.  现代电子技术. 2019(01)
[4]数字图像混合噪声滤波算法研究[J]. 单亮亮,杨英宝,朱熹,张希泽,曹晨,潘鑫.  地理空间信息. 2018(07)
[5]基于卷积核滤波器筛选的CNN模型精简方法[J]. 王震,周冕.  天津理工大学学报. 2018(02)
[6]基于优化的并行AlexNet人脸特征点检测算法[J]. 陈东敏,姚剑敏.  信息技术与网络安全. 2018(04)
[7]云计算环境下的网络技术[J]. 畅鹏.  数字通信世界. 2018(04)
[8]《中国心血管病报告2017》要点解读[J]. 马丽媛,吴亚哲,王文,陈伟伟.  中国心血管杂志. 2018(01)
[9]基于移不变字典学习和稀疏编码的滚动轴承故障识别算法[J]. 曲建岭,余路,高峰,田沿平,李俨.  计算机应用研究. 2019(01)
[10]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸.  计算机应用研究. 2018(07)

博士论文
[1]医学CT图像分割方法研究[D]. 周生俊.哈尔滨工业大学 2014



本文编号：3627022