基于深度学习的左心室长轴定位

发布时间：2021-11-04 21:21

　　随着磁共振成像的临床应用越来越广泛,心脏磁共振成像也成为判断心脏结构和功能的“金标准”。有大视野、高度的组织分辨率以及无辐射的特点。在以往,由于心脏的运动性以及心脏长轴与人体长轴不一致,对其进行扫描的最大难点之一就是定位,整个过程由专业人员手动操作完成。心脏扫描过程中,要完成几个基本层面的选择,需要扫一次,定位一次。近20年来,有大量关于心脏分割的方法提出来,包括了半自动分割和自动分割。但是关于心脏扫描自动规划的相关工作很少。现如今仍然是临床实践的一个挑战。目前已有相关技术用于商用,但属于商用保密技术。因此为了实现长轴的自动定位,必须自主研究相关算法。本文提出了利用深度学习实现心脏左心室长轴的自动定位方法。主要工作如下:（1）研究了目前长轴定位相关方法,其最大弊端是过程过于复杂,过分依赖前期的特征提取工作。所以本文使用深度学习相关方法,仔细研究了多种神经网络,包括卷积神经网络和循环神经网络,以及各种模块。结合相关技术构建长轴的定位方法。（2）由于数据不够充分,本文利用现有的3D数据模拟了真实预扫描3D数据,分别研究了由3D体积磁共振数据和2D横断面切片估计左心室长轴位置的方法。（3）提... 

【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】：67 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 研究现状及发展
    1.3 本文的主要工作
    1.4 本文的章节安排
第二章 左心室长轴定位方法
    2.1 左心室长轴介绍
    2.2 定位方法总结
        2.2.1 手动定位方法
        2.2.2 基于2D数据的长轴定位方法
        2.2.3 基于3D数据的长轴定位方法
    2.3 长轴定位效果评估标准
    2.4 本章小结
第三章 相关技术研究
    3.1 参考坐标系
    3.2 心脏成像
        3.2.1 心脏扫描过程
        3.2.2 心脏成像技术发展
    3.3 仿射变换
        3.3.1 二维仿射变换
        3.3.2 三维仿射变换
    3.4 深度学习框架
    3.5 旋转角度
        3.5.1 偏转角度定义
        3.5.2 偏转角度范围总结
    3.6 本章小结
第四章 基于3D数据的长轴定位
    4.1 数据
    4.2 预处理
        4.2.1 归一化
        4.2.2 数据增强
    4.3 网络模型
        4.3.1 基于注意力机制的模型
        4.3.2 基于Inception的3D模型
    4.4 实验过程
        4.4.1 激活函数
        4.4.2 初始化方式
        4.4.3 损失函数
        4.4.4 学习率
        4.4.5 优化函数
    4.5 实验结果
    4.6 本章小结
第五章 基于2D数据的长轴定位
    5.1 基于循环神经网络的长轴定位
        5.1.1 卷积神经网络介绍
        5.1.2 循环神经网络介绍
        5.1.3 长轴定位模型结构
    5.2 基于DenseNet的模型
        5.2.1 数据预处理
        5.2.2 模型结构
    5.3 模拟数据测试结果
    5.4 真实数据测试结果
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献


【参考文献】：
期刊论文
[1]SPECT心肌重建图像的左心室长轴自动定位方法[J]. 关鑫龙,陈思,陈靖,洪宝玉,刘亚强,王石,马天予.  核电子学与探测技术. 2014(03)



本文编号：3476434