基于卷积神经网络的医学图像分割方法研究

发布时间：2022-10-22 21:08

　　近几年,在图像处理领域,有关医学图像分割算法成为学者们的研究热点之一,它可以将目标目像中的感兴趣区域提取出来,有助于缓解我国医疗现状,为医务工作者提供帮助。脑肿瘤是我国发病率和死亡率较高的几种恶性肿瘤之一,且难以治愈,手术是当前最主要的治疗方式。核磁共振成像（MRI）是辅助脑肿瘤诊断和治疗的重要手段,精准分割脑肿瘤病变区域和组织对于辅助诊疗具有重要作用。由于脑肿瘤MR图像具有对比度低、噪声点多、边界模糊、不规则等特点,以及极易在成像时受到磁场不均匀和人体局部运动等因素的影响,并且MRI设备的像素分辨率有限,会使不同组织的边界像素点堆叠在一起,造成边缘容积效应,以致传统的人工阅片方式既费时又费力。因此,借助各种图像分割算法的自动智能分割算法显得尤为重要,本文为此梳理近几年脑肿瘤MR图像的分割方式与方法,对他们的基本思想、方法理论、优缺点等进行深入探索和了解,提出一种多尺度特征融合的全卷积神经网络的脑肿瘤MR图像分割模型,该算法引入多尺度输入和特征融合,加强网络的低层、高层特征提取能力,并使用跳跃结构,将融合后的特征作为网络第一通路的输入和最终结果的一部分,在网络的不同通路采用尺寸不同的卷... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于传统图像处理算法的医学图像分割
        1.2.2 基于卷积神经网络的医学图像分割
    1.3 本文主要研究内容
    1.4 本文章节安排
第二章 基础知识
    2.1 人工神经网络
    2.2 卷积神网络
        2.2.1 卷积神经网络概述
        2.2.2 模型结构
        2.2.3 优化方法
    2.3 全卷神经网络
        2.3.1 FCN结构特点
        2.3.2 U-Net结构特点
    2.4 深度学习框架
    2.5 本章小结
第三章 多尺度特征融合全卷积神经网络模型
    3.1 网络模型整体算法流程
    3.2 改进的全卷积神经网络(FCN)
    3.3 多尺度特征融合全卷积神经网络网络模型
        3.3.1 多尺度特征提取
        3.3.2 特征融合
        3.3.3 MFF-FCN模型优缺点
    3.4 损失函数
    3.5 本章小结
第四章 结果评估与分析
    4.1 实验数据集
    4.2 预处理
    4.3 评价指标
    4.4 实验平台及参数设计
    4.5 实验结果及分析
        4.5.1 消融实验结果评估与分析
        4.5.2 MFF-FCN结果评估与分析
    4.6 本章小结
第五章 总结与展望
    5.1 文章工作总结
    5.2 未来研究展望
致谢
参考文献
附录
图版


【参考文献】：
期刊论文
[1]基于多尺度特征融合的肺结节良恶性分类方法[J]. 顾军华,孙哲然,王锋,戚永军,张亚娟.  深圳大学学报(理工版). 2020(04)
[2]MRI脑肿瘤图像分割研究进展及挑战[J]. 李锵,白柯鑫,赵柳,关欣.  中国图象图形学报. 2020(03)
[3]MIFNet:基于多尺度输入与特征融合的胃癌病理图像分割方法[J]. 张泽中,高敬阳,赵地.  计算机应用. 2019(S2)
[4]基于全卷积神经网络的多尺度视网膜血管分割[J]. 郑婷月,唐晨,雷振坤.  光学学报. 2019(02)
[5]改进的全卷积神经网络的脑肿瘤图像分割[J]. 邢波涛,李锵,关欣.  信号处理. 2018(08)
[6]基于多模态3D-CNNs特征提取的MRI脑肿瘤分割方法[J]. 罗蔓,黄靖,杨丰.  科学技术与工程. 2014(31)

硕士论文
[1]基于多级联卷积神经网络和条件随机场的脑肿瘤分割研究[D]. 甘清海.湘潭大学 2019
[2]基于全卷积神经网络的多尺度视网膜图像分割算法研究[D]. 郑婷月.天津大学 2018



本文编号：3696874