基于深度神经网络的乳腺磁共振影像肿瘤分割与诊断
发布时间：2021-11-13 12:20
乳腺癌是当今女性多发的癌症疾病之一,且发病率逐年上升。尽早发现乳腺癌并配以合理的治疗手段对于提升病发人群存活率具有重要意义。由于高敏感度与特异性,磁共振成像（Magnetic Resonance Imaging,MRI）技术是确诊乳腺癌的重要方法,已广泛应用于临床。乳腺磁共振影像肿瘤的分割与良恶性诊断已经成为计算机辅助诊断（Computer Aided Diagnosis,CAD）领域的重要研究内容。本文针对乳腺MRI影像的特点,提出了基于深度神经网络的一种肿瘤分割算法和两种肿瘤良恶性诊断算法,并通过实验验证了算法的有效性,主要研究内容包括:（1）提出了一种基于混合卷积与多尺度上下文网络的乳腺肿瘤分割算法。在U-Net的基础上,加入2D与3D卷积混合模块来提取MRI切片间的上下文信息,并在网络编码末端加入不同采样率的空洞卷积来提取多尺度的图像特征。同时,本文使用多通道的表达方式将动态增强MRI影像中的时序信息融入到单幅图像作为网络输入,从而得到更为精准的分割效果。实验结果表明,该算法分割的戴斯系数、灵敏度和阳性预测值分别为76.5%、75.9%和82.4%,超过了该领域的其他先进算法。...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
不同类型乳腺癌影像技术：(a)US，(b)MM，(c)MRI随着基于计算机的图像处理技术与模式识别技术的发展，CAD技术出现并应用
第一章绪论71.4论文结构安排根据上述的研究内容，本文分为五个章节，章节结构图如图2所示。图2论文章节结构图第一章：绪论。首先阐述基于乳腺MRI影像的计算机辅助肿瘤分割以及良恶性诊断的背景与意义；其次分析并总结了大量国内外在乳腺MRI影像中计算机辅助肿瘤分割以及良恶性诊断的相关研究；然后介绍了本文的研究内容以及创新点；最后对本文的章节安排进行概述。第二章：基于混合卷积与多尺度上下文网络的乳腺肿瘤分割算法。本章节首先分析了MRI影像肿瘤分割工作的难点，并介绍了基于混合2D与3D混合卷积与多尺度上下文肿瘤分割网络的具体结构。另一方面，本章节还提出了能够将动态增强时序信息融入到图像中的多通道DCE-MRI影像表达方式。最后介绍了乳腺MRI数据集，并通过实验验证本章提出的分割算法的有效性。第三章：基于序列划分与多模型集成网络的乳腺肿瘤诊断算法。本章首先介绍了临床诊断中医生使用的病变特征，提出了领域知识驱动的DCE-MRI影像划分策略。然后介绍了CNN与LSTM结合的空间与时序特征提取模型，进而提出基于序列划分与多模型集成网络的肿瘤分类算法。最后通过实验验证序列划分的作用以及分类算法有效性。第四章：基于多序列MRI自适应加权集成网络的乳腺肿瘤诊断算法。本章首先
西北大学硕士学位论文10图像。第一个时期为注射造影剂前五分钟内的蒙片图像。随后，在注射造影剂后的不同时间段内扫描多期图像，从而反映病变以及组织内部血管通透性变化等信息。乳腺DCE-MRI病理学相关研究表明，乳腺肿瘤的生长很大程度上依赖于内部的血管，因此相较于正常组织，病变内血管渗透性更强。由于肿瘤间毛细血管的通透性和组织细胞外间隙的不同，当静脉注射对比剂后，乳腺肿瘤区域会呈现不同的信号强度变化，而正常组织则不会有明显和多样的变化[34,35]。因此，DCE-MRI序列的不同时期图像所呈现的信号变化对于乳腺肿瘤分割任务是有帮助的。图3乳腺DCE-MRI不同时期图像为了将不同时期图像信号变化信息应用到乳腺肿瘤分割任务中，我们在Amit[20]等人以通道形式融入血流动力学信息来进行分类任务的启发下，使用多通道的图形形式来表达信号变化信息。由于扫描机器和参数设置的不同，不同的乳腺DCE-MRI序列包含的图像的期数可能会存在差异，因此我们选择具有代表性的四期图像来表达时序变化信息。图3展示了四个乳腺DCE-MRI不同时期的图像，图3(a)为未注射造影剂前5到10分钟内扫描的蒙片图像，该期图像上组织结构以及病变区域信号亮度较低，与周围区域并没有形成较强的对比；图3(b)为增强早期图像，一般为注射造影剂
【参考文献】：
期刊论文
[1]乳腺癌磁共振成像发展现状[J]. 李淑,胡笑含,刘景鑫. 中国医疗设备. 2019(07)
[2]Cancer incidence and mortality in China, 2014[J]. Wanqing Chen,Kexin Sun,Rongshou Zheng,Hongmei Zeng,Siwei Zhang,Changfa Xia,Zhixun Yang,He Li,Xiaonong Zou,Jie He. Chinese Journal of Cancer Research. 2018(01)
[3]多种影像学方法在中国乳腺癌筛查中的应用[J]. 张建兴. 实用医学杂志. 2017(09)
[4]基于空间FCM与MRF方法的乳腺MRI序列三维病灶分割研究[J]. 张承杰,厉力华. 中国生物医学工程学报. 2014(02)
[5]DWI及动态增强MRI鉴别乳腺病变的对比研究[J]. 彭艳霞,蔡宏民,崔春艳,郑小丽,伍尧泮,李立. 中国CT和MRI杂志. 2014(01)
[6]乳腺动态增强MRI研究进展[J]. 曹艳. 临床放射学杂志. 2004(05)
本文编号：3493009
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
不同类型乳腺癌影像技术：(a)US，(b)MM，(c)MRI随着基于计算机的图像处理技术与模式识别技术的发展，CAD技术出现并应用
第一章绪论71.4论文结构安排根据上述的研究内容，本文分为五个章节，章节结构图如图2所示。图2论文章节结构图第一章：绪论。首先阐述基于乳腺MRI影像的计算机辅助肿瘤分割以及良恶性诊断的背景与意义；其次分析并总结了大量国内外在乳腺MRI影像中计算机辅助肿瘤分割以及良恶性诊断的相关研究；然后介绍了本文的研究内容以及创新点；最后对本文的章节安排进行概述。第二章：基于混合卷积与多尺度上下文网络的乳腺肿瘤分割算法。本章节首先分析了MRI影像肿瘤分割工作的难点，并介绍了基于混合2D与3D混合卷积与多尺度上下文肿瘤分割网络的具体结构。另一方面，本章节还提出了能够将动态增强时序信息融入到图像中的多通道DCE-MRI影像表达方式。最后介绍了乳腺MRI数据集，并通过实验验证本章提出的分割算法的有效性。第三章：基于序列划分与多模型集成网络的乳腺肿瘤诊断算法。本章首先介绍了临床诊断中医生使用的病变特征，提出了领域知识驱动的DCE-MRI影像划分策略。然后介绍了CNN与LSTM结合的空间与时序特征提取模型，进而提出基于序列划分与多模型集成网络的肿瘤分类算法。最后通过实验验证序列划分的作用以及分类算法有效性。第四章：基于多序列MRI自适应加权集成网络的乳腺肿瘤诊断算法。本章首先
西北大学硕士学位论文10图像。第一个时期为注射造影剂前五分钟内的蒙片图像。随后，在注射造影剂后的不同时间段内扫描多期图像，从而反映病变以及组织内部血管通透性变化等信息。乳腺DCE-MRI病理学相关研究表明，乳腺肿瘤的生长很大程度上依赖于内部的血管，因此相较于正常组织，病变内血管渗透性更强。由于肿瘤间毛细血管的通透性和组织细胞外间隙的不同，当静脉注射对比剂后，乳腺肿瘤区域会呈现不同的信号强度变化，而正常组织则不会有明显和多样的变化[34,35]。因此，DCE-MRI序列的不同时期图像所呈现的信号变化对于乳腺肿瘤分割任务是有帮助的。图3乳腺DCE-MRI不同时期图像为了将不同时期图像信号变化信息应用到乳腺肿瘤分割任务中，我们在Amit[20]等人以通道形式融入血流动力学信息来进行分类任务的启发下，使用多通道的图形形式来表达信号变化信息。由于扫描机器和参数设置的不同，不同的乳腺DCE-MRI序列包含的图像的期数可能会存在差异，因此我们选择具有代表性的四期图像来表达时序变化信息。图3展示了四个乳腺DCE-MRI不同时期的图像，图3(a)为未注射造影剂前5到10分钟内扫描的蒙片图像，该期图像上组织结构以及病变区域信号亮度较低，与周围区域并没有形成较强的对比；图3(b)为增强早期图像，一般为注射造影剂
【参考文献】：
期刊论文
[1]乳腺癌磁共振成像发展现状[J]. 李淑,胡笑含,刘景鑫. 中国医疗设备. 2019(07)
[2]Cancer incidence and mortality in China, 2014[J]. Wanqing Chen,Kexin Sun,Rongshou Zheng,Hongmei Zeng,Siwei Zhang,Changfa Xia,Zhixun Yang,He Li,Xiaonong Zou,Jie He. Chinese Journal of Cancer Research. 2018(01)
[3]多种影像学方法在中国乳腺癌筛查中的应用[J]. 张建兴. 实用医学杂志. 2017(09)
[4]基于空间FCM与MRF方法的乳腺MRI序列三维病灶分割研究[J]. 张承杰,厉力华. 中国生物医学工程学报. 2014(02)
[5]DWI及动态增强MRI鉴别乳腺病变的对比研究[J]. 彭艳霞,蔡宏民,崔春艳,郑小丽,伍尧泮,李立. 中国CT和MRI杂志. 2014(01)
[6]乳腺动态增强MRI研究进展[J]. 曹艳. 临床放射学杂志. 2004(05)
本文编号：3493009
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3493009.html
