基于2D ResU-net深度学习网络的关节滑膜MRI图像的分割方法研究
发布时间：2021-08-08 23:33
滑膜炎是一种多发性的迁延难愈性疾病,是很多骨关节疾病,尤其是类风湿关节炎的重要病理表现,早期对病情做出诊断及寻找预示骨质破坏的指标,对于病情评估和制定有效的治疗方案具有极为重要的意义。为了精准的确定患者病情并制定出有效的治疗方案,医生往往通过手工勾画来提取MRI图像中的滑膜增生区域并进行不同等级的标注,但该方法存在耗时长、效率低,具有一定主观性,且对疾病的严重程度及其治疗效果的判断往往缺乏可靠性及一致性等问题。为了解决以上问题,试图探究使用AI训练模型实现滑膜增生的自动检测。在实现滑膜增生自动检测的过程中,快速、准确的将滑膜增生组织区域从图像中提取分割出来,是整个检测过程中的关键步骤,对于辅助临床医生及时对病情做出正确的诊断发挥着不可忽视的作用。近些年来,由于深度学习得到了飞速的发展,基于深度学习的图像分割技术,被广泛应用到了医学图像分割领域,其中以U-net分割算法在医学图像分割领域的应用最为广泛。但由于关节滑膜病变区域的分布范围较大、各部病变形态不一,U-net模型在关节滑膜MRI图像分割中并未达到预期的效果。为了得到更精准的分割效果,针对U-net网络深度略有不足的缺点,本文提出...
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
卷积层代替全连接层示意图
2020届华东师范大学硕士学位论文9图2FCN跳跃连接结构实现分割结果细化图3是FCN分割图像所得结果精细结构的改进情况对比图，从图中可以看出，随着输出图像中单个像素感知区域范围的缩小，所得分割结果越来越精确。(a)输入图像(b)FCN-32s(c)FCN-16s(d)FCN-8s(e)金标准图3FCN输出图像精细结构的改进2.1.3网络性能评估基于FCN网络的图像分割算法克服了传统CNN分割算法中存在的一些不足之处，与CNN分割算法不同，FCN无需考虑输送到网络中的每张图像的尺寸大小是否相同，因此对于输入图像的尺寸大小没有任何限制；此外FCN的计算效率相对较高，由于它在训练预测过程中所选用的对象不再是像素块，因此所需计算量减少了很多，同时图像的分割效率也得到了提升。对于任意的分割算法来说，他们都是既有优点又有缺点的，很明显FCN也不例外。基于FCN的图像分割算法，在具体的分类工作中，由于对上下文之间的关联没能给予合理的认识，因而导致分割结果缺乏空间一致性；另外FCN虽然通过采用跳跃连接结构实现了跨层特征的融合提高了模型的分割精度，但模型训练过程中的上采样操作会造成细节信息丢失，导致模型捕捉图像细节信息的灵
2020届华东师范大学硕士学位论文9图2FCN跳跃连接结构实现分割结果细化图3是FCN分割图像所得结果精细结构的改进情况对比图，从图中可以看出，随着输出图像中单个像素感知区域范围的缩小，所得分割结果越来越精确。(a)输入图像(b)FCN-32s(c)FCN-16s(d)FCN-8s(e)金标准图3FCN输出图像精细结构的改进2.1.3网络性能评估基于FCN网络的图像分割算法克服了传统CNN分割算法中存在的一些不足之处，与CNN分割算法不同，FCN无需考虑输送到网络中的每张图像的尺寸大小是否相同，因此对于输入图像的尺寸大小没有任何限制；此外FCN的计算效率相对较高，由于它在训练预测过程中所选用的对象不再是像素块，因此所需计算量减少了很多，同时图像的分割效率也得到了提升。对于任意的分割算法来说，他们都是既有优点又有缺点的，很明显FCN也不例外。基于FCN的图像分割算法，在具体的分类工作中，由于对上下文之间的关联没能给予合理的认识，因而导致分割结果缺乏空间一致性；另外FCN虽然通过采用跳跃连接结构实现了跨层特征的融合提高了模型的分割精度，但模型训练过程中的上采样操作会造成细节信息丢失，导致模型捕捉图像细节信息的灵
【参考文献】：
期刊论文
[1]Sentiment analysis using deep learning approaches:an overview[J]. Olivier HABIMANA,Yuhua LI,Ruixuan LI,Xiwu GU,Ge YU. Science China（Information Sciences）. 2020(01)
[2]医学影像人工智能辅助诊断的样本增广方法[J]. 魏小娜,李英豪,王振宇,李皓尊,汪红志. 计算机应用. 2019(09)
[3]Sharp-van der Heijde评分对类风湿关节炎的临床应用价值[J]. 黄远彬,吴小玲,雷鸣,李文栋,陆珊. 临床医药实践. 2017(07)
硕士论文
[1]类风湿性关节炎手腕部骨侵蚀MRI定量分析的临床价值[D]. 周海燕.汕头大学 2011
[2]类风湿关节炎的腕关节MRI及临床应用研究[D]. 马强.山西医科大学 2003
本文编号：3330898
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
卷积层代替全连接层示意图
2020届华东师范大学硕士学位论文9图2FCN跳跃连接结构实现分割结果细化图3是FCN分割图像所得结果精细结构的改进情况对比图，从图中可以看出，随着输出图像中单个像素感知区域范围的缩小，所得分割结果越来越精确。(a)输入图像(b)FCN-32s(c)FCN-16s(d)FCN-8s(e)金标准图3FCN输出图像精细结构的改进2.1.3网络性能评估基于FCN网络的图像分割算法克服了传统CNN分割算法中存在的一些不足之处，与CNN分割算法不同，FCN无需考虑输送到网络中的每张图像的尺寸大小是否相同，因此对于输入图像的尺寸大小没有任何限制；此外FCN的计算效率相对较高，由于它在训练预测过程中所选用的对象不再是像素块，因此所需计算量减少了很多，同时图像的分割效率也得到了提升。对于任意的分割算法来说，他们都是既有优点又有缺点的，很明显FCN也不例外。基于FCN的图像分割算法，在具体的分类工作中，由于对上下文之间的关联没能给予合理的认识，因而导致分割结果缺乏空间一致性；另外FCN虽然通过采用跳跃连接结构实现了跨层特征的融合提高了模型的分割精度，但模型训练过程中的上采样操作会造成细节信息丢失，导致模型捕捉图像细节信息的灵
2020届华东师范大学硕士学位论文9图2FCN跳跃连接结构实现分割结果细化图3是FCN分割图像所得结果精细结构的改进情况对比图，从图中可以看出，随着输出图像中单个像素感知区域范围的缩小，所得分割结果越来越精确。(a)输入图像(b)FCN-32s(c)FCN-16s(d)FCN-8s(e)金标准图3FCN输出图像精细结构的改进2.1.3网络性能评估基于FCN网络的图像分割算法克服了传统CNN分割算法中存在的一些不足之处，与CNN分割算法不同，FCN无需考虑输送到网络中的每张图像的尺寸大小是否相同，因此对于输入图像的尺寸大小没有任何限制；此外FCN的计算效率相对较高，由于它在训练预测过程中所选用的对象不再是像素块，因此所需计算量减少了很多，同时图像的分割效率也得到了提升。对于任意的分割算法来说，他们都是既有优点又有缺点的，很明显FCN也不例外。基于FCN的图像分割算法，在具体的分类工作中，由于对上下文之间的关联没能给予合理的认识，因而导致分割结果缺乏空间一致性；另外FCN虽然通过采用跳跃连接结构实现了跨层特征的融合提高了模型的分割精度，但模型训练过程中的上采样操作会造成细节信息丢失，导致模型捕捉图像细节信息的灵
【参考文献】：
期刊论文
[1]Sentiment analysis using deep learning approaches:an overview[J]. Olivier HABIMANA,Yuhua LI,Ruixuan LI,Xiwu GU,Ge YU. Science China（Information Sciences）. 2020(01)
[2]医学影像人工智能辅助诊断的样本增广方法[J]. 魏小娜,李英豪,王振宇,李皓尊,汪红志. 计算机应用. 2019(09)
[3]Sharp-van der Heijde评分对类风湿关节炎的临床应用价值[J]. 黄远彬,吴小玲,雷鸣,李文栋,陆珊. 临床医药实践. 2017(07)
硕士论文
[1]类风湿性关节炎手腕部骨侵蚀MRI定量分析的临床价值[D]. 周海燕.汕头大学 2011
[2]类风湿关节炎的腕关节MRI及临床应用研究[D]. 马强.山西医科大学 2003
本文编号：3330898
本文链接：https://www.wllwen.com/shoufeilunwen/mpalunwen/3330898.html
最近更新
教材专著
