基于卷积神经网络的前列腺TRUS图像分割方法研究

发布时间：2020-12-28 13:57

　　前列腺疾病是男性生殖系统中常见疾病。随着我国居民生活水平的不断提高,前列腺癌的发病率也逐渐增加。前列腺经直肠超声（transrectal ultrasound,TRUS）图像由于具有廉价性、实时性、无损性和无辐射等优点,被广泛应用于前列腺疾病的预防、诊断和治疗中。尤其是在前列腺癌的诊断和治疗中,近距离放射治疗、癌区定位和活检针放置等现代临床应用的增多,对TRUS图像中精确的前列腺自动分割技术的需求日益增加。但是,实际临床中主要采用医生手动分割的方法,不仅耗时费力而且严重依赖医生的经验和能力。前列腺区域的快速、准确和可重复性分割仍是一个具有挑战性的问题。本文提出基于卷积神经网络（Convolution Neural Network,CNN）的前列腺TRUS图像分割网络ProNet。基于编码器-解码器结构,利用编码器使用池化层逐渐缩减输入数据的空间维度,解码器通过反卷积层等网络层逐步恢复目标细节和相应的空间维度。在编码器阶段,提出融合空洞卷积金字塔结构（Fusion Atrous Spatial Pyramid Pooling,FASPP）,FASPP不仅能够增大感受野,增加像素密度,而且... 

【文章来源】：天津工业大学天津市

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图１－１前列腺ＴＲＵＳ图像??

??也不断涌现，如图１－２所示。??基于主动轮廓梭型的分割??基于边缘的分割??？?ｒ?基Ｔ？主动形状模項－的分割??厂基于轮廓和形状的分割＾?？?［概丰－滤祕分割??＾堪于可变形模型的分割、?基于变形网格分割??ｒ?基于图的分割??基Ｔ－Ｋ域的分割?丨?基于边缘的水平集分割??＾基于区域水平集的分割??ｒ基于分类器的側??前列腺ＴＲＵＳ阁像分割－??丛于监忾和非监锷分割??基ｔ？聚类的分割??基于浞合方法的分割??＿＇－基深度学习的分割??图１－２前列腺ＴＲＵＳ图像分割方法分类图??１．２．１基于轮廓和形状的分割??基于轮廓和形状的分割方法通常是通过提取轮廓特征和形状信息来分割前??列腺ＴＲＵＳ图像。这种方法进一步可以分为基于边缘的方法，概率滤波的方法和??基于可变形模型的分割方法。基于可变形模型的方法进一步可分为主动轮廓模型，??可变形网格，主动形状模型，基于水平集和基于曲线的分割。??１．基于边缘的分割方法??利用Ｐｒｅｗｉｔｔ，Ｒｏｂｅｒｔ，Ｓｏｂｅｌ以及Ｃａｎｎｙ等梯度滤波器提取图像边缘是图像??处理中的常用方法。由于噪声的存在，梯度滤波器经常检测到错误边缘，并且检??测到的边缘经常遭到破坏。所以必须设计需要大量计算的边缘检测算法来产生连??续的边缘。在大多数情况下，需要将基于边缘的算法与强度和纹理的信息相结合，??才能进行准确的分割。??在ＴＲＵＳ图像中，基于边缘信息的前列腺分割显得尤为困难。传统的边缘检??测滤波器由于ＴＲＵＳ图形低对比度、大量的斑点和噪声

一个激活卷积。主要使用三种类型的层来构建ＣＮＮ网络结构：卷积层（Ｃｏｎｖ）、??池化层（Ｐｏｏｌ）和全连接层（ｆｕｌｌｙ?ｃｏｎｎｅｃｔｅｄ，?ＦＣ）。将这些层进行堆叠构成完整的网络??结构。如图２－１所示。??■师截??Ｉｎｐｕｔ?Ｃｏｎｖ?Ｐｏｏｌ?Ｃｏｎｖ?Ｐｏｏｌ?ＦＣ?ＦＣ?Ｏｕｔｐｕｔ??图２－１?ＣＮＮ基本结构??２．２．１卷积层??卷积层是ＣＮＮ的核心部分，由一组可学习的滤波器组成，可以完成大部分??计算繁重的图像特征提取工作。每个滤波在沿宽度和高度地空间上都很小，但可??１１??

【参考文献】：
期刊论文
[1]基于特征学习框架的前列腺超声图像分割方法研究[J]. 黄建波,蔡迪明,罗燕.  生物医学工程与临床. 2018(06)
[2]改进的分段主成分分析算法及其在前列腺分割中的应用[J]. 宋建萍,石勇涛.  现代电子技术. 2018(13)
[3]2014年中国分地区恶性肿瘤发病和死亡分析[J]. 陈万青,孙可欣,郑荣寿,张思维,曾红梅,邹小农,赫捷.  中国肿瘤. 2018(01)
[4]基于改进主动形状模型的前列腺超声图像分割算法[J]. 毕卉,杨冠羽,唐慧,舒华忠.  东南大学学报(自然科学版). 2017(05)
[5]基于Zernike矩和水平集的超声图像分割[J]. 郭骁,杨冠羽,王征,舒华忠.  东南大学学报(自然科学版). 2015(02)
[6]基于先验概率和统计形状的前列腺超声图像自动分割方法[J]. 黄建波,倪东,汪天富.  生物医学工程研究. 2015(01)
[7]医学图像分割综述[J]. 赵志峰,张尤赛.  华东船舶工业学院学报(自然科学版). 2003(03)



本文编号：2943875