基于深度学习的血管网络发育模式研究

发布时间：2020-06-22 12:59

【摘要】：血管网络发育模式能够反映血管的正常生长过程,为研究生命体发育和肿瘤生长机理提供重要的参考。血管网络发育过程主要受到血液流速和新陈代谢需求等一系列生物力学和生物化学作用的共同调控,具有多时间尺度和空间模式变化复杂的特点。受限于缺少评估血管网络形态变化的图像技术,早期对血管网络发育模式的研究主要聚焦于分子、细胞等因素。随着深度学习的不断发展,越来越多的研究人员将其应用于与医学影像,尤其是与血管网络图像的结合,得到了很好的研究效果。通过对深度学习模型的训练,使得模型能够精确地识别不同发育阶段的血管网络,这有助于分析血管网络的发育模式。本论文完成的主要研究工作和成果如下:(1)对原始数据进行数据增强。针对鸡胚胎血管网络的原始数据多样性少的问题,本文提出了一种用于深度学习评估血管网络发育水平的数据集增强方法。该方法能够有效增加血管网络图像的多样性。(2)基于卷积神经网络的不同发育阶段的血管网络识别。本文将卷积神经网络用于不同发育阶段的血管网络识别,主要包括三个部分:构建模型、训练模型和测试模型。模型经过调试最终分类的正确率达到了98%以上。(3)对测试数据进行可视化操作。在对不同阶段血管网络识别的基础上,本文继续深入研究,对模型的预测进行可视化操作。通过对测试集的可视化操作,便于本文后期对卷积神经网络模型预测结果的解释,同时也能够直观地体现不同发育阶段血管网络的特征。通过上述工作,实验得到了较好的研究结果。通过可视化技术,较好地展现了不同发育阶段血管网络的特征和生长趋势。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP183;R318
【图文】：

卷积的过程

最大池化的过程

【参考文献】

相关期刊论文 前6条

1 周恩臣;黄子成;潘兵;林东海;郑乐民;;2型糖尿病高密度脂蛋白影响血管内皮细胞代谢网络的分子机制研究[J];中国病理生理杂志;2015年10期

2 成谢锋;陈泓;姬汉贵;郭宇锋;张少白;;一种基于集总参数的心血管系统仿真模型及心音产生机理[J];中国科学:信息科学;2014年09期

3 王丽萍;张新明;李继伟;张验科;李克飞;;BP网络激活函数选择及在径流预报模型中的应用[J];水力发电学报;2014年01期

4 彭浩杰;赵俊;;血管网络定量分析研究进展[J];生命科学;2013年08期

5 朱大奇;人工神经网络研究现状及其展望[J];江南大学学报;2004年01期

6 金惠铭,李先涛;血管新生的调控[J];中国微循环;2001年02期

本文编号：2725706