基于深度学习的医学图像分割算法的优化与实现

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:heshark
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
恶性肿瘤一直是危害人类健康的主要疾病之一,其发病率和死亡率一直居高不下。在治疗肿瘤的放化疗过程中,对肿瘤区域的靶区与周围重要器官的分割一直处于重要地位。此前由医生进行的人工分割成本巨大,如何进一步减轻医生的工作量,提高治疗的效率一直是近年来的研究热点。随着人工智能技术的快速发展,深度学习算法在计算机辅助诊断中取得了突破性的应用。基于深度学习的图像分割算法应用在医学领域,能够快速地实现自动化的靶区勾画与器官分割,减缓医疗资源的紧张,提高患者的就医率。对治疗恶性肿瘤意义重大。本文主要是对基于深度学习的医学图像分割算法3D-Unet进行研究优化与实现。主要贡献如下:1.提出了一种水平深度多尺度的U型卷积神经网络(Level Depth Multiscale U-net,LDM-Unet)分割算法,基于3D-Unet,在水平层采用多卷积堆叠方式提取多尺度信息,提高网络对不同尺度目标的感知能力,在各深度层利用空洞卷积提取不同深度的空间结构信息,避免连续池化带来的信息损失,从而提高网络的分割性能。在公开数据集BraTS 2018上对WholeTumor,TumorCore以及EnhancingTumor的分割dice系数分别取得了0.82,0.73,0.64的结果。2.提出了一种多分辨率并行的U型卷积神经网络(Multi-resolution U-net,MRUnet)分割算法,维持多个不同分辨率的子网,子网之间采用并行的连接方式,进行密集的信息交换,避免了传统串行网络通过上采样恢复分辨率造成的空间位置不准确问题。在公开数据集BraTS 2018上对WholeTumor,TumorCore以及EnhancingTumor的分割dice系数分别取得了0.84,0.77,0.71的结果。3.将上述的模型算法应用在华西结直肠癌CT图像上,提出一种手动特征提取方法,对CT图像数据进行多种方式的特征提取,增加图像的通道数,提升图像中的信息容量,对数据进行扩充。使用新的带权损失函数解决图像分割中类别不均衡问题,对算法进行工程上的优化与实现,完成结直肠癌的临床靶区的勾画与器官的分割。
其他文献
深入分析了材料参数与工艺参数等主要因素对板料拉伸成形极限拉深比的影响,并在此基础上提出了提高板料拉伸性能的有效途径.
对液体自动灌装机中气缸出现的爬行现象进行了研究与分析,并提出了解决气缸爬行的措施.
通过对肘杆式合模机构的多种型式(包括后杆型式、十字头高度、中间杆尺寸、锁模最终角、合模推力角和杆长比)的分析和研究,探讨了目前该机构中的较佳模式.
介绍了用直动测头凸轮检测仪检测圆柱分度凸轮廓面的方法.该方法简单、易行,开发了凸轮检测仪的功能.
介绍了在计算机辅助零件设计中,根据不同的情况,进行粗糙度标注的三种方法。
首先介绍了法向矢量在仿形扫描中的作用,然后提出了名义偏倾值DN的概念,及引入名义偏倾值DN后在解决扫描中脱模的原理及实现,最后介绍了仿形加工及数字化在模具加工中的差异
国家新一轮改革提出了立德树人作为育人基本目标,要求各个学科都应该把立德树人与学科知识、能力结合,实现综合素养的培养。其中爱国主义是学校教育的核心内容,爱国主义教育
摘要:颈椎牵引疗法是治疗颈椎病有效的方法,尤其是对神经根性颈椎病,对颈椎病牵引治疗中,牵引姿势、力量、时间、速度、角度、器材选用,操作都与临床疗效密切相关。操作时应针对个体情况,可以单用牵引,也可联合运用各种治疗方法,笔者就目前颈椎病牵引过程中存在问题提出几点思考。  关键词:颈椎病 颈椎牵引疗法  【中图分类号】R653  【文献标识码】B  【文章编号】1008—1879(2010)02—00