脑肿瘤MRI图像的分割和三维重建

发布时间：2021-03-23 15:49

　　脑肿瘤的发病率与致死率连年提升,且存在向各年龄段扩散发展的趋势。对脑肿瘤的预防,诊断与治疗是重中之重。传统手段依靠医生对脑部MRI切片图像进行判断,易受人为因素影响,效率较低。计算机图像处理与深度学习为脑肿瘤诊疗提供了新的助力。使用训练好的卷积神经网络能够快速稳定的对脑肿瘤MRI图像进行分割,辅助医生进行脑肿瘤的诊断,提升分割的精度与速度。使用三维重建技术能够形象直观的呈现出脑肿瘤的立体形态,有助于医生之间探讨交流患者的病情,制定合适的治疗方案。本文以临床数据集和BraTS2017数据集为实验数据,根据数据集的不同特点总共进行了三项工作:脑肿瘤图像的去噪,脑肿瘤分割和脑肿瘤三维重建。本文的主要工作如下:（1）脑肿瘤图像的去噪,临床数据集除了人工标记肿瘤外没有经过任何人工处理,存在非零黑色背景噪声和偏置场噪声,会影响后续分割的效果。因此使用了最大类间方差法与形态学操作相结合的方法去除脑图像中的非零黑色背景,使用N4ITK法矫正脑图像的偏置场,通过结果展示证明算法较好地去除了噪声。（2）脑肿瘤的分割,本文使用卷积神经网络进行分割,参考并复现了 FCN,U-Net,SegNet,Attent... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图２－１数据集对比??１１??

图２－２背景噪声现象??左图为原图，右图为进行阈值为０的二值化得到的二值图

图２－３膨胀示意图??１３??

【参考文献】：
期刊论文
[1]基于电势能改进的区域生长脑肿瘤图像分割[J]. 蒋秋霖,王昕.  软件工程. 2018(08)
[2]一种基于形态学的脑肿瘤分割[J]. 李晓龙,帅仁俊.  液晶与显示. 2015(01)
[3]脑肿瘤的MR诊断进展[J]. 陆娜,冯晓源,何慧瑾.  磁共振成像. 2011(01)
[4]基于统计阈值的脑肿瘤MRI图像的分割方法[J]. 桑林琼,邱明国,王莉,张静娜,张晔.  生物医学工程研究. 2010(04)
[5]改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用[J]. 李谦,李庆鹏,林家瑞.  计算机与数字工程. 2007(11)
[6]一种基于亮度均衡的图像阈值分割技术[J]. 彭兴邦,蒋建国.  计算机技术与发展. 2006(11)
[7]脑肿瘤显微手术的进展[J]. 陈明振.  中华显微外科杂志. 1999(02)



本文编号：3096041