基于深度卷积神经网络的前列腺MRI分割

发布时间：2021-08-17 17:19

　　智慧医疗旨在借助先进的人工智能技术实现辅助医师进行读片以及病理分析,进一步提高病情诊断能力和减轻医师的工作压力。伴随着计算机视觉和深度学习算法的不断发展,智慧医疗工程目前正在如火如荼的进行。前列腺癌目前是严重危害老年男性健康的主要疾病之一,前列腺影像分析也一直是医疗影像处理中的热点。在进行前列腺癌的疾病诊断之前,需要准确分割出前列腺组织区域,进一步将病灶和医学诊疗指标结合分析,确诊患病程度。因此,准确分割出前列腺组织是进行前列腺疾病诊断的前提,是极其重要的一步。目前人工分割前列腺组织需要消耗太多时间和精力,且一些传统方法比如基于图谱和变形模型的方法,分割前列腺组织准确率较低,它们无法精确的勾勒出前列腺组织的清晰轮廓,进而无法将前列腺组织区域和背景区域区分开来。这对医生诊断病情和后续治疗方案的制定是非常不利的。鉴于深度学习在计算机视觉领域的快速发展和优势,我们提出基于深度卷积神经网络的前列腺组织分割方法,论文主要工作归纳如下:1.鉴于传统的全卷积和编解码网络分割效果达到极限很难突破,本文考虑引入残差基本单元,构建了深度残差编解码网络模型。该残差编解码网络仍然为镜像结构,卷积模块全部基于残... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

前列腺的矢状面结构图

合肥工业大学硕士研究生学位论文域不可或缺的一部分，其在人的脑部，脊椎以及前列腺等人体部位疾病的诊疗起到关键作用。同时，由于 X 射线以及 CT 成像是“电离辐射”，“电离辐射”指当射线进入人体内部时会导致细胞的损伤甚至坏死想象，对人体的伤害较大 MRI 成像是“非电离辐射”，其对人体几乎没有伤害，尤其是对妊娠期的女性推使用 MRI 进行相关疾病检查。

MRI 成像是“非电离辐射”，其对人体几乎没有伤害，尤其是对妊娠期的女性推使用 MRI 进行相关疾病检查。(a) (b) 1.2 正常的前列腺 MRI 横断面结果:(a)T1WI 均匀中等信号结构；(b)T2WI 各区带显示对比Fig 1.2 Normal axial images of prostate MRI: (a) T1WI homogeneous medium signalstructure;(b)T2WI with clear contrast in each zone


本文编号：3348172