面向鼻咽癌病灶检测与分割的深度学习算法研究

发布时间：2023-06-03 01:41

　　鼻咽癌是一种流行于中国南部且具有高死亡率的恶性肿瘤,在两广地区较为常见,其发病率高居耳鼻咽喉恶性肿瘤之首。医学图像上的可靠的鼻咽癌病灶自动分割技术对于治疗计划的制定及后续的治疗评估都具有高度意义。核磁共振成像(MR影像)在检查软组织时具有高空间分辨率特点,故其常用于评估鼻咽癌的位置与形状。然而,鼻咽癌的病灶形状多变且体积较小,这使得在MR影像上对鼻咽癌病灶的自动分割成为一个难题。为了解决这一问题,基于在医学图像处理领域广泛使用的深度学习算法,本文在鼻咽癌病灶的检测与分割两个方面分别做出改进与创新。本文的主要工作如下:(1)本文提出了一个基于深度强化学习的鼻咽癌病灶检测模型。其一,针对现有的边界框相似性评价指标存在的问题进行分析,提出了一种奖赏函数,更合理地对智能体(agent)采取的动作即时地反馈。其二,本文提出了一种基于先验知识的探索算法,以合理地缩小训练初期智能体的探索空间,从而加快训练的收敛速度并提升模型的性能。(2)本文基于深度学习现有的注意力机制,提出了一个循环注意力机制,包括两个循环注意力模块,分别关注于对关键的通道与区域进行强调。循环注意力机制利用卷积神经网络深层特征中的...

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 本课题的研究意义
    1.2 本课题的研究现状与存在的问题
        1.2.1 本课题的研究现状
        1.2.2 存在的问题与解决思路
    1.3 本课题的主要工作内容
    1.4 论文的组织结构
第二章 相关技术与鼻咽癌MR影像数据集
    2.1 鼻咽癌的核磁共振成像检查
    2.2 基于医学图像处理的计算机辅助诊断系统
    2.3 语义分割
        2.3.1 基于传统机器学习的语义分割算法
        2.3.2 基于深度学习的语义分割算法
    2.4 强化学习
        2.4.1 马尔可夫决策过程
        2.4.2 价值函数与值迭代
        2.4.3 Q-学习
        2.4.4 深度强化学习
    2.5 鼻咽癌MR影像数据集
        2.5.1 数据的来源与特点
        2.5.2 数据的预处理
    2.6 本章小结
第三章 基于深度强化学习的鼻咽癌病灶检测模型
    3.1 引言
    3.2 检测模型的设计
        3.2.1 算法建模
        3.2.2 状态空间
        3.2.3 动作空间
        3.2.4 Q-网络
        3.2.5 奖赏函数
        3.2.6 探索算法
    3.3 实验设置与评判标准
        3.3.1 实验设置
        3.3.2 评判标准
    3.4 实验结果与分析
        3.4.1 关于奖赏函数的对比实验
        3.4.2 关于模型收敛性的对比实验
        3.4.3 关于探索算法的对比实验
        3.4.4 与现有模型的对比实验
        3.4.5 模型输出的可视化
    3.5 本章小结
第四章 基于循环注意力机制的鼻咽癌病灶分割模型
    4.1 引言
    4.2 分割模型的设计
        4.2.1 Squeeze-and-Excitation模块
        4.2.2 循环注意力机制
        4.2.3 循环注意力网络
        4.2.4 膨胀边缘加权的损失函数
    4.3 实验设置与评判标准
        4.3.1 实验设置
        4.3.2 评判标准
    4.4 实验结果与分析
        4.4.1 关于循环注意力机制的对比实验
        4.4.2 关于损失函数的对比实验
        4.4.3 与现有模型的对比实验
    4.5 本章小结
第五章 鼻咽癌病灶检测与分割的一体化模型
    5.1 引言
    5.2 检测与分割一体化模型的设计
    5.3 实验设置与评判标准
    5.4 实验结果与分析
    5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3828420