基于深度学习的CT图像脑组织分割

发布时间：2020-06-27 13:08

【摘要】：CT脑组织图像分割对脑出血、脑外伤和脑梗塞等疾病的诊断有重要的辅助作用,可以获取病理信息、分析脑组织大小,帮助医生制定脑部疾病的治疗方案。研究使用深度学习技术来自动分割CT脑组织,对脑疾病的诊断极其重要。由于临床CT数据中脑组织区域并非在图像的中心,提出先定位后分割的总体思路。首先对CT图像中脑组织进行定位。通过深度学习技术得到脑组织的粗分割结果。以粗分割结果的重心作为感兴趣区域的中心位置,从而获得精准的定位信息。然后设计更适合分割CT脑组织的深度学习网络框架,对感兴趣区域进行精细的分割。提出在V-Net网络结构上添加批量标准化层(Batch Normalization,BN),提高模型的鲁棒性。然后结合注意力机制,在训练过程中动态调整通道的重要程度,提高网络对脑组织的识别能力。并提出使用新设计的损失函数,减少模型出现分割泄漏和分割不充分,从而提高模型的分割准确度。最后通过后处理,将标签数据映射到CT图像的原大小。实验数据表明,提出的深度学习方法在常用评价标准Dice系数(由Lee Raymond Dice命名的集合相似度度量函数)上达到了0.988。较其它用于CT脑组织分割方法,有了较大的提升,而且有较强的鲁棒性,能够准确地分割CT图像中的脑组织,有助于医生获取病理信息,辅助脑疾病的诊断。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R816.1;TP391.41
【图文】：

损坏图像的细节信息。脑组织的分割对脑组织的定量分析和脑部病变组织的提取都有很大帮助。图2.2 和图 2.3 所示是脑组织部分序列图像与其对应的脑组织标签图像，可见不同切

华 中 科 技 大 学 硕 士 学 位 论 文层之间有较大的外观变异。这也是造成分割脑组织困难的一个原因。不同的个于先天和后天因素的影响，人脑会存在明显的差异。同时部分患者颅骨可能不全眼睛周围组织相似等原因也会造成脑组织分割困难。图 2.2 脑部 CT 横断切面的序列图像

【相似文献】

相关期刊论文 前10条

1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期

2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期

10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年

2 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年

3 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年

4 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年

5 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年

6 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年

7 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年

8 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年

9 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

10 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

相关硕士学位论文 前10条

1 贾玲慧;基于边缘保持滤波器和显著性的多模态医学图像融合方法研究[D];重庆邮电大学;2019年

2 康健;单幅雾天图像去雾方法研究[D];重庆邮电大学;2019年

3 曾笑云;灰度不均匀图像的快速分割方法研究[D];湘潭大学;2019年

4 吴鸣;基于卷积神经网络和图像显著性的铁谱磨粒分析[D];南京航空航天大学;2019年

5 汪杰;基于CT图像的种猪优选方法研究与实现[D];安徽工业大学;2019年

6 赵婷;基于结构特征增强的图像显著性检测方法研究[D];哈尔滨工业大学;2019年

7 牛皓伟;基于航拍图像的交通工程施工现场安全监督方法研究[D];哈尔滨工业大学;2019年

8 曹齐;残损纺织物图像的修复算法研究与三维重建[D];西安工程大学;2019年

9 钟晓妮;基于图像特征的快速匹配算法研究[D];西安工程大学;2019年

10 吴帅;《点石斋画报》的图像生产及其技术[D];中国美术学院;2019年

本文编号：2731855