基于卷积神经网络的医学图像分割算法研究
发布时间：2022-12-11 00:39
近年来,由于卷积神经网络在自然语义图像的处理上表现出了良好的性能,所以研究者尝试将其应用到医学图像领域。医学图像容易受到灰度、目标还有噪声的干扰,图像会表现出较为突出的特性,使用传统的医学图像分割算法难以精确的将图像有效分割。本文依据医学图像的特点探讨了基于卷积神经网络的医学图像分割问题,工作主要如下:1.研究分析了 Unet在肝脏CT图像上的语义分割性能。根据肝脏CT影像的特点,在网络中添加了批量归一化算法,采用Dice系数损失函数,对Unet网络进行训练。把肝脏数据集分为训练集、验证集和测试集分别训练,将Unet上的肝脏分割结果和FCN分割结果对比,IOU值比FCN高0.56。2.研究了基于改进Unet的视网膜血管图像分割。为了解决血管在嘈杂背景下因容易变化导致的分割不精细问题,提出了一种添加了注意力机制的改进Unet模型。首先,在上采样和下采样部分,将原始卷积模块改为残差卷积,不仅缓解了由于网络层数过深存在的梯度爆炸或梯度消失的问题,还使不同层次的特征进行叠加,丰富图像的特征信息;其次,在网络结构中引入自适应的注意力机制,使注意力系数对局部区域具有特异性,通过减小噪声权值,来解决...
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 医学图像处理的研究意义和背景
1.2 医学图像分割的国内外研究现状
1.3 医学图像的特点
1.4 医学图像分割的发展前景
1.5 主要研究内容
第二章 医学图像分割理论知识
2.1 医学图像格式和预处理
2.2 卷积神经网络(CNN)
2.2.1 输入层
2.2.2 卷积层
2.2.3 激活函数
2.2.4 池化层
2.2.5 全连接层
2.2.6 损失函数
2.3 全卷积神经网络(FCN)
第三章 基于全卷积神经网络的肝脏CT语义分割
3.1 引言
3.2 肝脏分割算法构建
3.2.1 Unet网络
3.2.2 批量归一化(BN)
3.2.3 Dice损失函数
3.3 实验
3.3.1 训练数据预处理
3.3.2 实验平台
3.3.3 实验参数设置
3.3.4 交并比
3.4 实验结果分析
3.5 总结
第四章 基于改进Unet的视网膜血管图像分割
4.1 引言
4.2 视网膜血管分割算法的构建
4.2.1 Attention Gate(AG)
4.2.2 损失函数
4.3 网络结构与模型
4.3.1 残差网络(Resnet)
4.3.2 网络结构
4.4 实验结果与分析
4.4.1 数据采集
4.4.2 实验结果分析
4.4.3 算法改进对比
4.5 结论
第五章 基于改进Unet的脑部肿瘤MRI图像分割
5.1 引言
5.2 网络结构及算法原理
5.2.1 密集跳跃连接(DenseNet)
5.2.2 改进的残差模块
5.2.3 标准化层FRN
5.2.4 混合损失函数
5.2.5 网络结构
5.3 实验内容与结果分析
5.3.1 实验数据集
5.3.2 实验评价指标
5.3.3 实验结果分析
5.4 结论
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
攻读硕士期间研究成果
致谢
【参考文献】：
期刊论文
[1]基于模糊C均值和随机漫步的CT肝脏图像分割算法研究[J]. 王琴琴. 中国医疗设备. 2020(09)
[2]基于多层全连接神经网络的白洋淀水质预测[J]. 刘世存,杨薇,田凯,王欢欢,赵彦伟,朱晓磊. 农业环境科学学报. 2020(06)
[3]计算机技术在通信中的应用[J]. 宋文涛. 电子技术与软件工程. 2020(06)
[4]Hybrid first and second order attention Unet for building segmentation in remote sensing images[J]. Nanjun HE,Leyuan FANG,Antonio PLAZA. Science China（Information Sciences）. 2020(04)
[5]基于模式识别的生物医学图像处理研究现状[J]. 徐莹莹,沈红斌. 电子与信息学报. 2020(01)
[6]基于Attention机制的卷积神经网络文本分类模型[J]. 赵云山,段友祥. 应用科学学报. 2019(04)
[7]基于小波变换灰度与彩色图像融合算法研究[J]. 姚洪涛,侯怀侠,白会东. 现代计算机. 2019(12)
[8]基于可分离残差模块的精确实时语义分割[J]. 路文超,庞彦伟,何宇清,王建. 激光与光电子学进展. 2019(05)
[9]图像分割方法在医学领域中的应用[J]. 郑彩侠,张同舟,孙长江,刘景鑫. 中国医疗设备. 2018(06)
[10]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
本文编号：3717817
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 医学图像处理的研究意义和背景
1.2 医学图像分割的国内外研究现状
1.3 医学图像的特点
1.4 医学图像分割的发展前景
1.5 主要研究内容
第二章 医学图像分割理论知识
2.1 医学图像格式和预处理
2.2 卷积神经网络(CNN)
2.2.1 输入层
2.2.2 卷积层
2.2.3 激活函数
2.2.4 池化层
2.2.5 全连接层
2.2.6 损失函数
2.3 全卷积神经网络(FCN)
第三章 基于全卷积神经网络的肝脏CT语义分割
3.1 引言
3.2 肝脏分割算法构建
3.2.1 Unet网络
3.2.2 批量归一化(BN)
3.2.3 Dice损失函数
3.3 实验
3.3.1 训练数据预处理
3.3.2 实验平台
3.3.3 实验参数设置
3.3.4 交并比
3.4 实验结果分析
3.5 总结
第四章 基于改进Unet的视网膜血管图像分割
4.1 引言
4.2 视网膜血管分割算法的构建
4.2.1 Attention Gate(AG)
4.2.2 损失函数
4.3 网络结构与模型
4.3.1 残差网络(Resnet)
4.3.2 网络结构
4.4 实验结果与分析
4.4.1 数据采集
4.4.2 实验结果分析
4.4.3 算法改进对比
4.5 结论
第五章 基于改进Unet的脑部肿瘤MRI图像分割
5.1 引言
5.2 网络结构及算法原理
5.2.1 密集跳跃连接(DenseNet)
5.2.2 改进的残差模块
5.2.3 标准化层FRN
5.2.4 混合损失函数
5.2.5 网络结构
5.3 实验内容与结果分析
5.3.1 实验数据集
5.3.2 实验评价指标
5.3.3 实验结果分析
5.4 结论
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
攻读硕士期间研究成果
致谢
【参考文献】：
期刊论文
[1]基于模糊C均值和随机漫步的CT肝脏图像分割算法研究[J]. 王琴琴. 中国医疗设备. 2020(09)
[2]基于多层全连接神经网络的白洋淀水质预测[J]. 刘世存,杨薇,田凯,王欢欢,赵彦伟,朱晓磊. 农业环境科学学报. 2020(06)
[3]计算机技术在通信中的应用[J]. 宋文涛. 电子技术与软件工程. 2020(06)
[4]Hybrid first and second order attention Unet for building segmentation in remote sensing images[J]. Nanjun HE,Leyuan FANG,Antonio PLAZA. Science China（Information Sciences）. 2020(04)
[5]基于模式识别的生物医学图像处理研究现状[J]. 徐莹莹,沈红斌. 电子与信息学报. 2020(01)
[6]基于Attention机制的卷积神经网络文本分类模型[J]. 赵云山,段友祥. 应用科学学报. 2019(04)
[7]基于小波变换灰度与彩色图像融合算法研究[J]. 姚洪涛,侯怀侠,白会东. 现代计算机. 2019(12)
[8]基于可分离残差模块的精确实时语义分割[J]. 路文超,庞彦伟,何宇清,王建. 激光与光电子学进展. 2019(05)
[9]图像分割方法在医学领域中的应用[J]. 郑彩侠,张同舟,孙长江,刘景鑫. 中国医疗设备. 2018(06)
[10]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014
本文编号：3717817
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3717817.html
