基于Spark的CT图像并行重建与分割研究

发布时间：2020-07-20 12:04

【摘要】：随着大数据时代的到来,医疗行业也不断的产生大量数据,其中医学图像能够给医生、患者洞察人体内部信息提供直观的感受,在临床检查、诊断以及治疗中广泛应用。计算机断层(Computed Tomography,CT)技术通过非侵入式的方式获取人体解剖结构的断层图像,具有检查方便、结构清晰等优点,目前是临床中普遍用来诊断疾病、评估疗效的重要方式之一,但是CT图像重建是一个计算密集、耗时长的过程,自CT技术发展以来,重建加速一直都是相关研究人员致力于解决的问题。此外,图像分析如肝脏肿瘤、肺结节的分割在医疗领域是较为普遍的需求,随着社会高效运作、自动化的发展趋势,临床应用中急需自动化的图像分析方法来满足实际需求。自2012年开始,随着大数据和人工智能技术的快速发展,构建以大数据处理框架为主体、深度学习技术为分支的平台,用于加速CT图像重建、完成医学图像分析任务成为可能,对服务病患、减轻医生工作量、提高医疗效率有重要的意义。针对大数据时代下海量的医疗数据,为实现快速完成CT图像重建过程和分析任务,本文研究目标是在分布式框架Spark平台上,将CT图像重建算法程序并行化,并利用深度学习技术实现CT图像肝脏分布式分割。研究内容主要包括以下四个方面:第一,通过安装Centos7计算机操作系统、配置Spark及其相关软件运行环境、组建有线局域网等工作,搭建了一个规模大小为8个节点的Spark集群,以此作为CT图像分布式重建和肝脏分布式分割的基础平台;第二,针对Spark框架分布式计算设计特性,将CT图像重建中以解析为代表的滤波反投影(Filter Backprojection,FBP)算法程序设计成并行模型,并进行使用FBP完成重建相同图像大小、不同图像数量以及不同图像大小、相同图像数量两组试验。第三,将CT图像重建中以迭代为代表的同时代数迭代算法(Simultaneous Algebraic Reconstruction Technique,SART)程序设计成并行模型,并进行使用SART完成重建单张图像时,相同图像大小、不同迭代次数以及不同图像大小、相同迭代次数的两组试验。实验表明两种算法的并行重建方式加速比与集群节点数成正比,并行效率趋近于1。第四,针对卷积神经网络的不足如池化操作丢失信息、转移不变性识别能力差,使用胶囊网络模型分割腹部CT肝脏区域,利用LiTS2017腹部CT数据集,训练3种微调结构的胶囊网络模型用于分割图像肝脏区域,并将模型参数最少、测试集分割精度最高达93.20%的模型部署到Spark集群之中,用于完成批量图像的并行分割任务。基于以上的工作,将大数据和深度学习技术用于医疗领域,基本实现了CT图像从重建到分割的处理流程。
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;R814
【图文】：

图２－１邋Ｓｐａｒｋ生态系统逡逑Ｆｉｇｕｒｅ邋２－１邋Ｓｐａｒｋ邋ｅｃｏｓｙｓｔｅｍ逡逑从图２－丨可知，Ｓｐａｒｋ应用程序可分别运行在ｓｔａｎｄａｌｏｎｅ、ＥＣ２、Ｈａｄｏｏｐ邋ｙａｒｎ、逡逑以及Ｋｕｂｅｍｅｔｅｓ上，同时Ｓｐａｒｋ任务数据可从分布式文件系统（Ｈａｄｏｏｐ逡逑Ｄｉｓｔｒｉｂｕｔｅｄ邋Ｆｉｌｅｓｙｓｔｅｍ，邋ＨＤＦＳ）等数据源中获取。Ｓｐａｒｋ功能最为强大的当属上层逡逑的扩展库，由邋Ｓｐａｒｋ邋ＳＱＬ、Ｓｐａｒｋ邋Ｓｔｒｅａｍｉｎｇ、ＭＬｌｉｂ、ＧｒａｐｈＸ邋组成。逡逑Ｓｐａｒｋ邋ｃｏｒｅ是整个Ｓｐａｒｋ生态系统的核心基础，包含Ｓｐａｒｋ的基本功能，如逡逑基于内存的计算，负责应用程序的任务调度、负责集群系统故障恢复、以及数逡逑据的存储和管理等。Ｓｐａｒｋ邋ＳＱＬ非常完美的将关系表和ＲＤＤ进行统一，将数据逡逑库表的操作转换成ＲＤＤ运算。为了实现对实时数据流的处理和分析，开源社区逡逑人员在Ｓｐａｒｋ基础上构建了高吞吐量、可容错处理的Ｓｐａｒｋ邋Ｓｔｒｅａｍｉｎｇ。当下机逡逑器学习、人工智能的研宄和应用非常火热

任务控制节点（ｄｒｉｖｅｒ）和多个作业（ｊｏｂ），邋—个作业可分解成一个或者多个阶段逡逑（ｓｔａｇｅ），一个阶段又包含多个任务（ｔａｓｋ）。Ｓｐａｒｋ在执行一个应用的时候，其具体逡逑执行流程如图２－３所示。逡逑（１）

邋＇邋＿邋丨逦？逡逑Ｉ—＾逡逑图２－２邋Ｓｐａｒｋ架构逡逑Ｆｉｇｕｒｅ邋２－２邋Ｓｐａｒｋ邋ａｒｃｈｉｔｅｃｔｕｒｅ逡逑当一个应用程序（ａｐｐｌｉｃａｔｉｏｎ）提交到Ｓｐａｒｋ后，该应用将被Ｓｐａｒｋ分解成一个逡逑任务控制节点（ｄｒｉｖｅｒ）和多个作业（ｊｏｂ），邋—个作业可分解成一个或者多个阶段逡逑（ｓｔａｇｅ），一个阶段又包含多个任务（ｔａｓｋ）。Ｓｐａｒｋ在执行一个应用的时候，其具体逡逑执行流程如图２－３所示。逡逑（１）

【相似文献】

相关期刊论文 前10条

1 伍乐生;谢世煊;;低照度三维船舶图像的重建方法研究[J];舰船科学技术;2018年08期

2 陈多芳;;医学图像重建课程的实验教学研究[J];时代教育;2014年17期

3 廖传平;;X线电子计算机体层摄影的基本结构和原理及临床应用[J];蚌埠医药;1987年01期

4 彭克欧;;X线断层光学模拟重建的进展(一)[J];医疗器械;1987年04期

5 曹少平;顾宏清;印春光;;代数迭代图像重建技术在SPECT图像重建中应用的研究[J];中国医疗器械杂志;2010年01期

6 左广霞;张全虎;贾小龙;刘杰;隋洪志;周志波;;层析γ扫描发射图像重建实验研究[J];核电子学与探测技术;2012年11期

7 范风云,张丙芳,陆军,魏文胜,石梅,南克俊;图像重建联合立体定向放射治疗肺癌36例[J];第四军医大学学报;2004年24期

8 王石嵩,郭文臣,郭洪生;东芝TCT-600HQCT机图像重建系统故障1例[J];中国医学影像技术;2002年07期

9 汪元美,吕维雪;多准则图像重建的神经网络实现[J];通信学报;1992年05期

10 刘鹏翔;季凯帆;邓辉;梅盈;柳翠寅;卫守林;戴伟;王锋;;一种全共享低交换并行高分辨太阳图像重建方法[J];科学通报;2018年02期

相关会议论文 前10条

1 张挺;朱双华;;一种基于多点地质统计法的图像重建方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 张德斌;王石;马天予;刘亚强;姚树林;;基于Origin Ensembles原理的PET系统新型图像重建方法[A];中国医学装备协会第二十六届学术与技术交流年会论文汇编[C];2017年

3 张唯;;正在开发的三维旋转血管造影图像重建工作站及在神经介入方面的应用(摘要)[A];中华医学会医学工程学分会第一次医学影像设备应用技术研讨会论文集[C];1999年

4 张宇;唐志列;吴泳波;谢家兴;代芬;赵文锋;;多种光声图像重建方法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

5 李灿;张雄伟;刘家金;;PET图像重建方法的比较研究[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年

6 魏龙;;正电子成像技术现状及发展[A];第十届全国正电子湮没谱学会议论文集[C];2009年

7 张海南;汤日杰;蔡霜;;基于16层CT的4D图像重建及其肺癌放疗中的应用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 张海南;汤日杰;张书旭;蔡霜;彭俊琴;张爱芳;;4维CT图像重建及其肺癌调强放疗中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

9 李琳;单保慈;魏龙;刘力;;Micro-PET数据重组与图像重建[A];第九届全国正电子谱学会议论文集[C];2005年

10 王得水;常宇;高斌;轩艳娇;马鑫蕊;张娅;;基于CT图像重建的心室模型及有限元法分析[A];第十届全国生物力学学术会议暨第十二届全国生物流变学学术会议论文摘要汇编[C];2012年

相关重要报纸文章 前3条

1 赵熙熙;用X射线为细胞无损拍照[N];中国科学报;2012年

2 沈小平;知己知彼话CT[N];医药经济报;2001年

3 本报记者 吴苡婷;数字化时代来临 医疗大变革在即[N];上海科技报;2016年

相关博士学位论文 前10条

1 张伶俐;有限角及低信噪比CT图像重建的优化模型与算法研究[D];重庆大学;2018年

2 李丹;基于l_0范数约束的稀疏优化算法及其在图像重建中的应用[D];哈尔滨工业大学;2018年

3 刘明明;基于单张图像的室内场景建模技术研究[D];南京大学;2019年

4 EBTESAM MOHAMEED ALHARBI;基于暗原色优先的图像去雾算法研究[D];华南理工大学;2018年

5 张宇;医学层析图像重建和生物组织光传输的研究[D];天津大学;2004年

6 孙雪楠;数值逼近在CT图像重建中的应用[D];吉林大学;2005年

7 田毅;基于状态空间理论的ECT图像重建[D];浙江大学;2006年

8 王静;面向复杂产品的工业CT图像重建与分析技术[D];西北工业大学;2004年

9 袁泽寰;跨图像视觉语义的挖掘研究[D];南京大学;2017年

10 贾梦宇;近场光子输运理论及薄层光学层析非线性图像重建研究[D];天津大学;2017年

相关硕士学位论文 前10条

1 刘杰;深度学习在定量磁化率图像重建中的应用[D];华东师范大学;2019年

2 焦兴洋;基于鸽视顶盖LFP信号的图像重建软件系统设计与实现[D];郑州大学;2019年

3 马思汉;CT图像重建方法及造影剂研究[D];兰州大学;2019年

4 曾有灵;基于Spark的CT图像并行重建与分割研究[D];南方医科大学;2019年

5 张鹏程;基于块稀疏的电阻抗成像方法研究[D];天津工业大学;2019年

6 谢丰;RGB-D图像协同显著目标计算方法研究[D];安徽大学;2019年

7 宣经纬;基于GPU并行计算的太阳自适应光学图像斑点重建技术实现[D];中国科学院大学(中国科学院光电技术研究所);2019年

8 孟杞凤;基于磁感应断层成像技术的CFRP缺陷评价方法研究[D];南昌航空大学;2019年

9 苗立;离心机粒子分布检测的无线阻抗层析成像系统开发及实验验证[D];西安理工大学;2019年

10 张馨;ERT传感器优化及图像重建[D];沈阳工业大学;2019年

本文编号：2763420