基于SEnet的小样本MRI颈椎病变检测方法研究

发布时间：2021-05-15 02:26

　　随着生活方式的改变,长期伏案工作人员增多,近年来颈椎病发病率不断上升,出现临床和放射科医生不足的缺口,且临床实际中医生诊断颈脊髓疾病容易出现漏诊,误诊。深度学习方法在医疗领域的应用目前称为人们关注的焦点。其中使用卷积神经网络的目标检测算法能够快速的检测医学图像中病变区域的位置并对疾病类型做出分类。若能将深度学习方法应用到颈脊髓疾病诊断问题中,不仅可以加快疾病诊断的速度,为患者的治疗赢得宝贵的时间,又能减少误诊率,漏诊率。本文对颈椎MRI图像和卷积神经网络目标检测算法均进行了深入研究。目前,学术界尚没有公开的颈椎MRI图像数据集以供研究。因此作者首先与吉林省某医院医生合作建立了一个小型的颈椎MRI数据集,并通过成熟的自然图像目标检测算法faster-rcnn证明数据集的有效性和利用深度学习辅助检测颈脊髓疾病的可行性。之后,针对faster-rcnn算法在此数据集上因数据集规模较小而出现的过拟合问题提出改进方法。第一,利用弹性形变算法模拟患者拍摄MRI图像时会固有产生的形变,对数据集进行数据增强。第二,在算法的特征提取模块加入SE模组,将网络结构调整为SEnet结构,这个改动在数据增强的基... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 深度学习的研究现状
        1.2.2 深度学习在医学图像领域的研究现状
    1.3 本文研究内容及安排
第2章 相关技术介绍
    2.1 颈椎脊髓MRI影像的相关知识
        2.1.1 颈椎和脊髓
        2.1.2 颈椎脊髓MRI成像
        2.1.3 颈脊髓疾病的人工检测
    2.2 深度学习概述
        2.2.1 卷积神经网络的基本结构
        2.2.2 卷积神经网络基本组件
            2.2.2.1 卷积层
            2.2.2.2 池化层
            2.2.2.3 激活函数
第3章 小样本颈椎MRI数据集及验证
    3.1 颈椎MRI目标检测问题分析
    3.2 数据集准备
    3.3 可用性及有效性分析
第4章 基于SEnet的颈椎目标检测研究
    4.1 问题分析
    4.2 基于弹性形变算法的数据增强
    4.3 基于SEnet的特征提取器
    4.4 三种加权图像的结合方式分析
        4.4.1 前结合方式
        4.4.2 中结合方式
        4.4.3 后结合方式
    4.5 实验参数设定
    4.6 实验结果分析
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来研究方向
参考文献
作者简介及在校期间所取得的科研成果



本文编号：3186765