基于深度学习的椎骨实例分割算法研究

发布时间：2021-11-07 04:13

　　医学图像分割是指从医学图像中识别出器官、组织或病变区域,提供关于这些感兴趣区域的形状、体积和位置等关键信息。临床上,医学图像分割是疾病诊断和治疗的重要组成部分,通常主要由经验丰富的医生或专家手动完成。随着医学成像技术的发展,医学图像的规模快速增长,给医学专家带来了大量且繁琐的工作。因此,许多研究人员提出了医学图像自动分割方法。早期的医学图像分割方法大多是基于阈值、边界、活动轮廓和图论等传统的或基于机器学习的方法,这些方法在分割性能和效率上均不能满足如今临床应用的需求。深度学习能够通过数据驱动的方式从原始图像数据中学习最具代表性的特征,并得到显著优于其他方法的分割结果,近年来已成为医学图像分割任务的首选方法。本文以人体脊椎椎骨的3D实例分割为例,基于深度学习技术,对如何提高分割算法的性能和适用性进行了深入研究。本文的主要工作和贡献如下:（1）针对现有的大部分椎骨检测算法适用场景有限的问题,本文提出了一种新的人体脊椎椎骨检测算法。首先从空间和形状上定义了图像中每个点的椎骨中心似然,然后设计了2D分割网络CentroidNet以实现椎骨中心似然热图的预测,最后采用基于DBSCAN聚类算法改进... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

人体脊柱解剖图

卷积操作示意图

最大池化示意图


本文编号：3481138