基于深度学习的MRI前列腺分割

发布时间：2017-04-02 16:02

  本文关键词：基于深度学习的MRI前列腺分割，由笔耕文化传播整理发布。

【摘要】：随着经济的发展人民生活水平的提高,健康问题越来越得到人们的重视。前列腺癌是男性生殖系统最常见的癌症,在欧美等发达国家中前列腺癌发病率在男性癌症发病率排名第一。随着医疗影像技术的发展,磁共振图像因为众多的优点多被用于到前列腺癌的诊断和治疗中。如何快速、准确地对前列腺进行分割,成为了医学辅助诊断的重要话题。图像表示在图像解析上起着非常重要的作用。不同医疗图像分析算法的成功之处在于我们如何表示输入的数据,换而言之,就是如何用特征描述输入图像。在过去的十几年里特征工程一直是医疗图像研究领域的热门,许多好的创新的手工特征像哈尔小波和局部二值模式被研发出来。而这些手工特征在不同数据集中提取和组织显著信息的能力并不强大。也就是说,这些手工特征的表示能力随着数据集的不同而有很大的差异。不同人的前列腺磁共振图像之间差异很大,用手工特征并不能很好地表示这些图像。一个有效的特征应该是通过一个学习的方法得到,可以适应不同的数据集。本文针对前列腺磁共振图像的分割问题,我们展开了如下研究:我们引入了深度学习框架来解决上述问题。具体而言,使用深度信念网络用分层无监督的方法来提取有效的特征。学习到的特征随着数据集的不同而做出调整并且可以编码高层的结构语义信息,并利用有标签数据进行有监督微调,然后将学习到的特征作为softmax回归分类器的输入,对数据进行分类最终达到分割地目的。针对前列腺MRI的三维成像模式提出了一种基于双深度信念网络的3-D前列腺磁共振图像分割。按照前列腺磁共振图像中前列腺腺体灰度分布情况,把训练数据分成腺体内灰度分布均匀和灰度分布不均匀的两类分别训练两个参数相同的深度信念网络,然后把训练数据分别输入到两个网络中,综合两个网络的分割结果从而得到更好的分割结果。
【关键词】：前列腺癌 磁共振图像 深度学习 无监督学习
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;R737.25;R445.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 课题研究背景意义14-16
• 1.2 磁共振技术成像原理16
• 1.3 前列腺的磁共振图像表现16-17
• 1.4 医疗图像分割17-18
• 1.5 论文的主要工作和内容安排18-20
• 第二章 基于浅层学习模型的分割算法20-24
• 2.1 引言20
• 2.2 基于浅层学习模型的分割方法20-22
• 2.2.1 边缘检测21
• 2.2.2 阈值分割方法21
• 2.2.3 分类算法21
• 2.2.4 聚类算法21-22
• 2.2.5 区域生长法22
• 2.2.6 分裂合并22
• 2.3 本章小结22-24
• 第三章 基于深度信念网络的MRI前列腺 2D分割方法24-48
• 3.1 引言24
• 3.2 深度学习24-26
• 3.2.1 深度学习模型简介24-26
• 3.2.2 深度学习基本思想26
• 3.2.3 深度学习的训练过程26
• 3.3 受限玻尔兹曼机26-32
• 3.3.1 受限玻尔兹曼机简介26-28
• 3.3.2 受限玻尔兹曼机的学习方法28-29
• 3.3.3 吉布斯采样29-30
• 3.3.4 基于对比散度的快速学习算法30-31
• 3.3.5 训练受限玻尔兹曼机的技巧31-32
• 3.4 深度信念网络32-35
• 3.4.1 深度信念网络简介32-34
• 3.4.2 深度信念网络和浅层网络比较34-35
• 3.5 Softmax分类器35-36
• 3.6 基于深度信念网络的MRI前列腺 2D分割方法36-42
• 3.6.1 人工勾画感兴趣区域37-38
• 3.6.2 图像块大小的选择38
• 3.6.3 数据预处理38-41
• 3.6.4 深度信念网络网络层数选择41
• 3.6.5 深度信念网络节点数设置41-42
• 3.7 实验结果分析42-46
• 3.7.1 参数设置及实验数据42
• 3.7.2 评价指标42-43
• 3.7.3 实验结果及分析43-46
• 3.8 本章小结46-48
• 第四章 基于双深度信念网络的MRI前列腺 3D分割方法48-58
• 4.1 引言48
• 4.2 基于双深度信念网络的MRI前列腺 3D分割方法48-51
• 4.2.1 数据预处理49
• 4.2.2 3D图像块的选择49-50
• 4.2.3 多层深度信念网络50
• 4.2.4 三维数学形态学后处理50-51
• 4.3 实验结果及分析51-55
• 4.4 本章小结55-58
• 第五章 总结与展望58-60
• 参考文献60-62
• 致谢62-64
• 作者简介64-65

【相似文献】

中国期刊全文数据库 前10条

1 顾顺德,聂生东,陈瑛,章鲁;基于K-最近邻规则的磁共振颅脑图像分割算法的应用研究[J];上海医科大学学报;2000年02期

2 徐志荣,朱弋,张卫东;磁共振实用图像参数实验分析[J];医疗卫生装备;2000年03期

3 刘德光,孙毅平;磁共振介导微创外科的展望[J];中国冶金工业医学杂志;2001年03期

4 吴前芝,张太生,毛存南,陈马昊;磁共振窗口技术应用初探[J];实用医技杂志;2002年12期

5 陈迎良;苗重昌;张波;;新生儿缺氧缺血性脑病患儿磁共振检查的护理体会[J];医学理论与实践;2012年24期

6 Von D.Uhlenbrock;张本固;;磁共振体层照像诊断炎性肾脏病的可能性[J];放射学实践;1988年04期

7 杨扬;西班牙空军高性能战斗机飞行员的颈椎磁共振图像[J];航空军医;1997年01期

8 ;眼科学[J];国外科技资料目录.医药卫生;1998年01期

9 王其玲;磁共振介绍[J];今日科技;1999年10期

10 倪萍;陈自谦;;磁共振质量控制和质量保证若干问题的探讨[J];福州总医院学报;2008年03期

中国重要会议论文全文数据库 前10条

1 赵磊;徐进;;磁共振导航微创治疗系统及其临床应用[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

2 徐志荣;朱戈;张卫东;;磁共振实用图像参数实验分析[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

3 翁得河;王慧贤;宋涛;;基于小波和模糊集的磁共振图像增强[A];第六届全国计算机应用联合学术会议论文集[C];2002年

4 刘英豪;于源;;ASM-016P磁共振装置脊椎扫描技术分析及临床应用评价[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

5 江宝钏;张森;胡兰清;;无指导的模糊聚类的多回波脑部磁共振图像分割[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 宁本德;屈小波;郭迪;陈忠;;基于小波变域内局部方向性的磁共振图像稀疏重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

7 赵磊;;磁共振导航微创治疗技术及其在经皮冷冻治疗中的应用[A];第六届中国科学家论坛论文汇编[C];2007年

8 陈晓荣;任宇婧;胡红杰;尹学青;钱玉娥;刘华锋;;磁共振评价左室容量-时间曲线的初步研究[A];2012年浙江省放射学术年会论文集[C];2012年

9 相艳;李江涛;杨嘉林;;基于模糊C均值聚类算法的脑部磁共振图像分割[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

10 胡昌伟;屈小波;郭迪;陈忠;;基于小波变换的迭代阈值磁共振图像稀疏重构新算法[A];第十六届全国波谱学学术会议论文摘要集[C];2010年

中国重要报纸全文数据库 前3条

1 本报记者 皮泽红;国产磁共振的痛苦只是暂时的[N];广东科技报;2004年

2 记者　孙占稳;新奥博为勇破世界性难题[N];河北日报;2006年

3 本报记者 刘正午;磁共振竞技场的新较量[N];医药经济报;2004年

中国博士学位论文全文数据库 前10条

1 李建福;磁共振结构像分析及其在音乐家大脑研究中的应用[D];电子科技大学;2015年

2 罗敏敏;胎儿磁共振安全问题研究[D];南方医科大学;2015年

3 陈相教;基于统计学方法的无参考MRI测温关键技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

4 侯漠;磁性微泡对比剂介导超声与磁共振图像的配准与融合研究[D];东南大学;2015年

5 盖永浩;超声联合磁共振评价Budd-Chiari综合征血管病变与引流方式以及超声定量分析肝静脉引流的研究[D];山东大学;2016年

6 孔凡辉;基于粒子滤波的磁共振扩散成像人体心肌纤维重建方法研究[D];哈尔滨工业大学;2016年

7 江远亮;颅内动脉粥样硬化斑块离体高分辨率磁共振成像与病理对照研究及活体颅内责任斑块磁共振特征分析[D];第二军医大学;2016年

8 王丽嘉;磁共振图像全自动分割量化方法研究[D];华东师范大学;2015年

9 张宁;心脏磁共振图像左心室分割算法研究[D];南方医科大学;2009年

10 张元凯;四肢肿瘤的微结构与生物学行为及动态增强磁共振相关性研究[D];山东大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈勇;基于偏微分方程的磁共振图像降噪算法研究[D];昆明理工大学;2015年

2 厉元杰;四维心脏辅助诊断系统关键技术的研究[D];四川师范大学;2015年

3 庄亚运;利用高介电材料提高胎儿磁共振射频安全性理论研究[D];南方医科大学;2015年

4 张翔亚;磁共振扩散张量成像FA值在足月新生儿缺氧缺血性脑病中的应用[D];南方医科大学;2015年

5 商立清;基于磁共振数据的脑结构网络研究[D];电子科技大学;2014年

6 葛岭岭;稀疏磁共振图像重建方法研究[D];河北工业大学;2015年

7 周延明;基于PRONY模型的磁共振测温技术研究[D];哈尔滨工业大学;2015年

8 周维林;心脏磁共振实时电影成像方法研究[D];东北大学;2014年

9 李婷婷;超声与磁共振图像三维配准方法研究[D];南京航空航天大学;2014年

10 杜磊;核磁共振图像中的3D胰腺分割[D];西安电子科技大学;2014年

  本文关键词：基于深度学习的MRI前列腺分割，由笔耕文化传播整理发布。

，

本文编号：282735