基于深度神经网络的骨骼异常检测方法研究

发布时间：2022-08-23 19:46

　　骨骼疾病是常见的五大疾病之一,困扰着全球近17亿人,是造成长期疼痛和身体残疾的最常见原因。近些年,研究人员针对医学图像的检测和分割方法已经进行了深入研究,并取得了丰硕成果,但针对骨骼病灶的异常诊断和检测方法的研究较少。在此背景下,本文主要研究内容如下:1.本文提出了一种融合浅层纹理特征的卷积神经网络结构来诊断骨骼影像是否异常。在放射性骨骼影像中存在各组织结构之间分界线不清晰、病灶区域和正常区域纹理差异不大等问题,对此,本文先通过纹理分析来统计感兴趣区域内局部纹理特征,然后将纹理特征图和原始骨骼图像进行融合,再使用深度神经网络进行分类。在大型的放射性骨骼异常分类数据集MURA上的实验结果表明,结合纹理特征的模型能更好的对骨骼图像进行异常诊断。2.本文提出了一种两阶段骨骼图像异常诊断方法。由于骨骼疾病主要由异常物体、退行性关节炎、骨折和损伤等病灶构成,因此造成了骨骼影像的病灶具有出现位置随机、大小和形状不固定、种类差异大等问题。对此,我们借鉴Boosting学习思路,先利用一个分类模型快速识别容易区分的病灶,再在第二阶段针对难以区分的病灶进行精细识别。实验结果表明,本文提出的两阶段方法可以... 

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

X线成像原理图

卷积神经网络结构示意图

DenseNet网络结构

【参考文献】：
期刊论文
[1]基于改进CPMs和SqueezeNet的轻量级人体骨骼关键点检测模型[J]. 强保华,翟艺杰,陈金龙,谢武,郑虹,王学文,张世豪.  计算机应用. 2020(06)
[2]基于UNet结构的人体骨骼点检测[J]. 丁圣勇,樊勇兵,陈楠.  广东通信技术. 2018(11)
[3]基于随机森林算法的小鼠micro-CT影像中骨骼关节特征点定位[J]. 屠睿博,陈中华,王洪凯.  中国生物医学工程学报. 2017(03)
[4]工作相关肌肉骨骼疾患的行业流行趋势及进展[J]. 徐相蓉,王生,余善法,何丽华.  中国工业医学杂志. 2016(04)
[5]肌肉骨骼损伤及其工效学[J]. 刘伟达,王忠旭.  环境与职业医学. 2008(06)

硕士论文
[1]骨折图像特征提取与分型识别技术研究[D]. 马娜.河北大学 2010



本文编号：3678371