胶质瘤病灶区域的自动识别和胶质瘤坏死与复发的分类问题研究

发布时间：2022-07-13 19:31

　　胶质瘤是成年人中最常见的脑肿瘤之一,通过浸润周围组织生长的特点,可分为低级别胶质瘤和高级别胶质瘤（High Grade Gliomas,HGG）。HGG的侵入性强,死亡率高。临床上治疗胶质瘤患者的技术手段主要是放射治疗或化疗。放疗期间,为了保护周围正常组织,放射科医生需要对肿瘤区域进行精准的勾画。为了帮助医生进行胶质瘤的准确诊断和治疗规划,在临床实践中需要一种准确且自动的肿瘤分割方法。此外,放射性坏死是放射治疗严重的并发症之一。胶质瘤复发和坏死在影像学上很难区分且治疗方式完全不同,因此,在临床上对胶质瘤复发和坏死的分类显得尤为重要。目前,卷积神经网络（Convolutional neural networks,CNNS）包括 2D 和3D CNNS是体积图像分割的基础。然而,大多数CNNS模型通过连续的卷积和池化操作导致语义信息的丢失。此外,2D卷积并不能充分利用三维空间信息,3D卷积计算成本高,GPU内存消耗大。为了解决这些问题,我们提出了一种新的 2D-3D 分割网络（Hybrid densely connected network,HD-Net）。HD-Net 包含2D部分和3D... 

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 分割算法的研究现状
        1.2.2 胶质瘤坏死与复发分类算法的研究现状
    1.3 本文主要工作
        1.3.1 胶质瘤分割算法研究
        1.3.2 胶质瘤坏死与复发分类方法研究
    1.4 本文结构框架
第二章 胶质瘤分割算法研究
    2.1 数据预处理
    2.2 方法
        2.2.1 2D分割网络
        2.2.2 DenseNet网络框架
        2.2.3 Multi-scale信息模块
        2.2.4 VAE模块
        2.2.5 3D网络
    2.3 训练和微调
第三章 胶质瘤坏死与复发的分类方法研究
    3.1 数据样本与MRI图像
    3.2 方法概述
        3.2.1 图像预处理
        3.2.2 特征提取
            3.2.2.1 手工特征提取
            3.2.2.2 深度特征提取
        3.2.3 单变量分析与多变量分析
第四章 实验结果与讨论
    4.1 胶质瘤肿瘤区域分割实验结果与讨论
        4.1.1 胶质瘤病灶区域分割实验的执行细节
        4.1.2 胶质瘤病灶区域分割结果
        4.1.3 胶质瘤病灶区域分割讨论
    4.2 胶质瘤复发与坏死分类结果与讨论
        4.2.1 胶质瘤坏死与复发分类实验执行细节
        4.2.2 胶质瘤坏死与复发分类实验结果
        4.2.3 胶质瘤坏死与复发分类讨论
第五章 总结与展望
    5.1 本文工作总结
    5.2 工作展望
参考文献
附录
攻读学位期间成果
致谢



本文编号：3660635