基于醫(yī)學(xué)序列圖像的組織區(qū)域自動分割算法研究
發(fā)布時間：2020-12-04 18:40
隨著醫(yī)學(xué)成像技術(shù)與計算機技術(shù)的發(fā)展,計算機輔助醫(yī)療診斷得到了廣泛的應(yīng)用,其中,醫(yī)學(xué)圖像分割技術(shù)作為關(guān)鍵的一步起著至關(guān)重要的作用,圖像分割的結(jié)果直接的影響著后續(xù)醫(yī)療分析的正確率。由于人體組織結(jié)構(gòu)本身的復(fù)雜性和差異性,以及醫(yī)療診斷對于分割精度的高要求,目前常用的醫(yī)學(xué)分割算法主要是基于人工參與的半自動化分割算法。但是,伴隨著醫(yī)療數(shù)據(jù)的不斷增多,這將會增加醫(yī)務(wù)人員的工作負擔(dān),從而影響診斷的效率,因此,研究一種自動化的分割算法,具有重要的理論意義與現(xiàn)實價值。針對這一問題,本文分別提出兩種分割算法,具體研究內(nèi)容與創(chuàng)新點如下:1.提出一種基于三維空間醫(yī)學(xué)圖像自動分割及重建算法,針對傳統(tǒng)區(qū)域生長算法中種子點依賴于人工選取、生長策略與終止策略難以設(shè)定的問題、以及算法僅利用圖像數(shù)據(jù)的二維信息而沒有考慮序列圖像中三維空間的位置信息的問題做出改進,提出了種子點自動提取算法、結(jié)合邊緣約束的生長策略、以及基于類間方差的終止策略。本人所提算法與基于期望值最大化方法的磁共振圖像人腦組織自動化分割算法以及基于紋理特征與亮度特征的自動化分割算法進行對比,分割精度提高了 2%左右。2.提出一種基于種子點的醫(yī)學(xué)圖像分割網(wǎng)絡(luò),...
【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：74 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖２－１圖像邊緣的灰度導(dǎo)數(shù)變化??
ｆｋ?Ａ?Ａ??圖２－２基于水平集分割算法的示意圖??如圖２－２所示，在二維空間中，曲線在運動的過程中有可能合并成一條曲線或者分??裂成兩條曲線，所以無法用一個連續(xù)的參數(shù)化曲線去表示這種運動情況，但是，對于三??維的曲面來說，可以在不改變曲面本身拓撲結(jié)構(gòu)的基礎(chǔ)上＊利用曲面與二維乎面的交線??來描述這個曲線，也就是我們常說的曲面的等高線。因此，在ｔ時刻，曲面０等高線處??的曲線的表現(xiàn)形式可以寫成公式（２－８）所示：??０（（ｘ，ｙ），ｔ）?＝?０?（２－８）??其中，演化規(guī)律遵循公式（２－９）：??（５０??瓦＝Ｆ＿?（２－９）??［（ｐ（ｘ，ｙ，０）?＝?（ｐ〇（ｘ，ｙ）??其中，Ｆ表示曲線上各個點的演化速度，方向由曲線在該點出的法線方向決定，其??法向矢量Ｊｉ和曲線曲率Ｋ分別如公式（２－１０＞與公式（２－１１）所示：??ｎ?＝?Ｖ（ｐ?（２－１０）??飛
氣??（Ｘ２：＾＾?上）＾?ｙ??圖２－３單眉神經(jīng)網(wǎng)絡(luò)??如圖２－３所示，顯示了神經(jīng)網(wǎng)絡(luò)中的一個神經(jīng)元模型，神經(jīng)元是組成神經(jīng)網(wǎng)絡(luò)的最??＿本單元，其中，ｘ．表示神經(jīng)元的輸入，ｙ表示神經(jīng)元的輸：出，網(wǎng)絡(luò)逋過學(xué)習(xí)權(quán)重參數(shù)??ｗ和偏置項參數(shù)ｂ，使得輸出的ｙ?＝?ｘ＾ｉｖ?＋６近似最期望的輸出，但是，基于這種線性模??型組成而成的網(wǎng)絡(luò)雖然具有訓(xùn)練速度快的優(yōu)點，但是對非線性可分的問題表達能力差，??因此，為了增強網(wǎng)絡(luò)的表達能力，對網(wǎng)絡(luò)引入激活函數(shù)，用來增加網(wǎng)絡(luò)的非線性能力，??加入激活函數(shù)之后，神經(jīng)元輸出變?yōu)椋?＝／〇＾ｗ?＋６）。常用的激活函數(shù)如圖２－４所示：??１７??
【參考文獻】：
博士論文
[1]眼底圖像分割方法研究[D]. 姜平.吉林大學(xué) 2018
[2]帶約束的圖像分割方法研究及應(yīng)用[D]. 鐘麗.山東大學(xué) 2018
碩士論文
[1]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分割方法研究[D]. 王凱明.中國科學(xué)技術(shù)大學(xué) 2018
[2]基于水平集方法的CT圖像肺血管分割算法研究[D]. 寧姣.山東師范大學(xué) 2018
[3]MRI腦部腫瘤分割及其三維重建[D]. 侯東奧.南昌航空大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤良惡性鑒定技術(shù)研究[D]. 韓哲.太原理工大學(xué) 2018
[5]基于深度學(xué)習(xí)的細胞核圖像分割研究[D]. 楊凱.重慶大學(xué) 2018
本文編號：2898064
【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：74 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖２－１圖像邊緣的灰度導(dǎo)數(shù)變化??
ｆｋ?Ａ?Ａ??圖２－２基于水平集分割算法的示意圖??如圖２－２所示，在二維空間中，曲線在運動的過程中有可能合并成一條曲線或者分??裂成兩條曲線，所以無法用一個連續(xù)的參數(shù)化曲線去表示這種運動情況，但是，對于三??維的曲面來說，可以在不改變曲面本身拓撲結(jié)構(gòu)的基礎(chǔ)上＊利用曲面與二維乎面的交線??來描述這個曲線，也就是我們常說的曲面的等高線。因此，在ｔ時刻，曲面０等高線處??的曲線的表現(xiàn)形式可以寫成公式（２－８）所示：??０（（ｘ，ｙ），ｔ）?＝?０?（２－８）??其中，演化規(guī)律遵循公式（２－９）：??（５０??瓦＝Ｆ＿?（２－９）??［（ｐ（ｘ，ｙ，０）?＝?（ｐ〇（ｘ，ｙ）??其中，Ｆ表示曲線上各個點的演化速度，方向由曲線在該點出的法線方向決定，其??法向矢量Ｊｉ和曲線曲率Ｋ分別如公式（２－１０＞與公式（２－１１）所示：??ｎ?＝?Ｖ（ｐ?（２－１０）??飛
氣??（Ｘ２：＾＾?上）＾?ｙ??圖２－３單眉神經(jīng)網(wǎng)絡(luò)??如圖２－３所示，顯示了神經(jīng)網(wǎng)絡(luò)中的一個神經(jīng)元模型，神經(jīng)元是組成神經(jīng)網(wǎng)絡(luò)的最??＿本單元，其中，ｘ．表示神經(jīng)元的輸入，ｙ表示神經(jīng)元的輸：出，網(wǎng)絡(luò)逋過學(xué)習(xí)權(quán)重參數(shù)??ｗ和偏置項參數(shù)ｂ，使得輸出的ｙ?＝?ｘ＾ｉｖ?＋６近似最期望的輸出，但是，基于這種線性模??型組成而成的網(wǎng)絡(luò)雖然具有訓(xùn)練速度快的優(yōu)點，但是對非線性可分的問題表達能力差，??因此，為了增強網(wǎng)絡(luò)的表達能力，對網(wǎng)絡(luò)引入激活函數(shù)，用來增加網(wǎng)絡(luò)的非線性能力，??加入激活函數(shù)之后，神經(jīng)元輸出變?yōu)椋?＝／〇＾ｗ?＋６）。常用的激活函數(shù)如圖２－４所示：??１７??
【參考文獻】：
博士論文
[1]眼底圖像分割方法研究[D]. 姜平.吉林大學(xué) 2018
[2]帶約束的圖像分割方法研究及應(yīng)用[D]. 鐘麗.山東大學(xué) 2018
碩士論文
[1]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分割方法研究[D]. 王凱明.中國科學(xué)技術(shù)大學(xué) 2018
[2]基于水平集方法的CT圖像肺血管分割算法研究[D]. 寧姣.山東師范大學(xué) 2018
[3]MRI腦部腫瘤分割及其三維重建[D]. 侯東奧.南昌航空大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤良惡性鑒定技術(shù)研究[D]. 韓哲.太原理工大學(xué) 2018
[5]基于深度學(xué)習(xí)的細胞核圖像分割研究[D]. 楊凱.重慶大學(xué) 2018
本文編號：2898064
本文鏈接：http://www.wukwdryxk.cn/linchuangyixuelunwen/2898064.html
最近更新
教材專著
