基于神经网络的心室磁共振影像分割技术研究

发布时间：2020-11-05 16:47

　　 随着我国心血管疾病患者数量的持续增加及医学影像技术的不断发展,医学影像在心血管疾病的临床诊断、治疗康复过程中扮演重要角色的同时,也带来了巨大的医学数据处理压力。在心脏器官中,右心室的个体差异较大,且不同病症、同病症不同阶段也存有差异,所以心脏影像的右心室分割任务更为艰难。此外,影像设备本身的差异导致其输出图像的技术参数不同,增加了专家、医师手动分割难度。因此,发展鲁棒、准确的计算机辅助分割系统,以缓解医学数据处理压力、促进医学影像信息的临床应用,进而推动对心血管疾病的及早干预、治疗具有重要意义。本文基于公开的心室核磁共振数据集,针对右心室分割任务展开以下研究:首先,通过包括翻转、平移、拉伸等图像变换算法的随机组合,对现有数据集进行增强预处理,防止神经网络过拟合。其次,以全卷积神经网络、U-Net为基线模型,对本数据集进行分割,探讨经典网络中存在的问题。再次,从神经网络感受域角度讨论扩展卷积结构对网络的影响,并构建使用扩展卷积层后的扩展U-Net,测试扩展卷积思想在本分割任务中的作用。最后,讨论残差网络和DenseNet在降低学习成本、实现特征复用方面的优势,构建结合残差学习模块与稠密连接的U-Net神经网络,称为Dense-U网络;其中,残差学习模块具有“多核扩展”能力,稠密连接建立在输入层与各下采样层之间。实验表明,Dense-U网络残差学习模块的扩展卷积将Dense-U网络的感受域扩展至与输入图像维度相当,对避免分割掩码空洞及降低假阳率具有有效作用;Dense-U网络的跳层连接使其在不同形态的右心室分割中具有较好的鲁棒性。同时,残差模块中恒定的特征通道数量抑制了网络参数的指数级增长,使得Dense-U网络特征参数较扩展卷积U-Net减少一个量级。因此,综合分割性能与网络参数量级,Dense-U网络具有明显优势。此外,基于本文设计的神经网络模型,搭建了在线右心室分割系统,本系统具有数据导入、图像预处理、模型选择与分割以及评估报告等人机交互功能,可较为稳定、快速地实现心室的在线分割。
【学位单位】：海南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R445.2;R541;TP391.41;TP183
【部分图文】：

患病率至今没有得到缓解，仍处于增高的阶段。预估中国ＣＶＤ患者数量己经达??到惊人的２．９亿，与此同时２０１５年因ＣＶＤ造成死亡的概率已经高于肿瘤等其他??疾病，占据首位，如图１－１所示。??由于ＣＶＤ的患者数量的日益提高，以及其较高的死亡率，如今已经成为全??世界的头号健康问题，根据美国心脏协会（Ａｍｅｒｉｃａｎｓ?Ｈｅａｒｔ?Ａｓｓｏｃｉａｔｉｏｎ，ＡＨＡ）??的统计，每天会因为心血管疾病造成超过２１５０名美国人死亡［５】。此外，美国心??脏协会的预测，到２０３０年，至少有４０．５％的美国人，或大约１．１６亿人将患有某??种形式的心血管疾病。而根据最新报告，中国在１７年左右，心血管疾病已经占??据居民疾病死亡构成的４０％以上［６］，形势严峻。世界卫生组织表明，这种困境在??全球蔓延，每年导致全球死亡人数估计为１７３０万，超过任何其他死亡原因，占??全球死亡人数的３０％。就发病率、死亡率和经济负担而言

Ａｎｇｌｅ５５°，３６（＾４２０毫米的视野范围，从基层到顶层进行扫描。其中有专业医师已??经手动标注了心内膜和心外膜区域作为训练数据，每个病例中包含已手动分割的??１５个结果，如图１－２所示，其中小梁和乳头肌也包括在右心室腔中。??右心室内壁??（心内膜）??—１綱外壁??（心外瞋）??一左心室内壁??左心室Ｉ—ｍ?（心内膜）??？左心室外壁??Ｖｉ?（心外膜）??图１－２心室结构??本次挑战，共提供了三组数据集，第一组包括训练数据，其由１６个患者组??的ＤＩＣＯＭ图像，由要分割的图像和右心室轮廓的参照组成。第二组包括测试数??据（即Ｔｅｓｔｌ组），其由１６个不同的患者组成，其中省略了参考轮廓。第三组包??４??

ＡｌｅｘＮｅｔ神经网络架构，因为在比赛中取得了突出成绩，现在己经成为卷积??神经网络（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ，ＣＮＮ）在图像分类上的经典模型。??ＡｌｅｘＮｅｔ网络结构如图２－１所示，为８层深度网络，５层为卷积层，另外还有３层??为全连接层。??值得注意的是，ＡｌｅｘＫｒｉｚｈｅｖｓｋｙ教授指出，如果去掉任何一个卷积层，都会??使整个网络的分类性能大幅下降。其原理是通过图像输入后对其进行层层转换，??８??
【参考文献】

相关期刊论文 前10条

1 罗发菊;;美国心脏协会[J];中华灾害救援医学;2015年06期

2 冯朝胜;秦志光;袁丁;;云数据安全存储技术[J];计算机学报;2015年01期

3 张耀楠;陈传慎;康雁;;基于仿射传播聚类选择的多Atlas右心室精准分割[J];东北大学学报(自然科学版);2014年06期

4 王芳;朱晓丽;丁雪;;我国基层卫生人力资源配置现状及公平性分析[J];中国卫生事业管理;2012年02期

5 黄炎;李俊来;王知力;万文博;贾红;苏莉;温朝阳;唐杰;;实时剪切波弹性成像定量评价乳腺良恶性病变[J];中国医学影像技术;2011年03期

6 ;中国心血管病预防指南[J];中华心血管病杂志;2011年01期

7 董荦;葛万成;陈康力;;CUDA并行计算的应用研究[J];信息技术;2010年04期

8 王丽婷;丁晓青;方驰;;一种鲁棒的全自动人脸特征点定位方法[J];自动化学报;2009年01期

9 朱桂英;张瑞林;;基于Hough变换的圆检测方法[J];计算机工程与设计;2008年06期

10 陈文略,王子羊;三次样条插值在工程拟合中的应用[J];华中师范大学学报(自然科学版);2004年04期

相关硕士学位论文 前1条

1 陈先昌;基于卷积神经网络的深度学习算法与应用研究[D];浙江工商大学;2014年

本文编号：2871911