【摘 要】
：
目前，腰椎间盘突出症的诊断依靠医生主观判断，诊断结果的准确性会受到医生经验及知识水平的限制和影响。因此，实现腰椎间盘突出症的自动诊断具有重要的意义。本文在阅读大量脊柱疾病诊断技术相关文献的基础上，研究并开发了一套基于深度学习的腰椎间盘突出症自动诊断系统。针对椎间盘退变程度、突出位置及大小，实现了Pfirrmann分级诊断模型和MSU分型诊断模型，并构建了腰椎间盘突出症自动诊断系统为患者及医生提供诊
论文部分内容阅读
目前，腰椎间盘突出症的诊断依靠医生主观判断，诊断结果的准确性会受到医生经验及知识水平的限制和影响。因此，实现腰椎间盘突出症的自动诊断具有重要的意义。本文在阅读大量脊柱疾病诊断技术相关文献的基础上，研究并开发了一套基于深度学习的腰椎间盘突出症自动诊断系统。针对椎间盘退变程度、突出位置及大小，实现了Pfirrmann分级诊断模型和MSU分型诊断模型，并构建了腰椎间盘突出症自动诊断系统为患者及医生提供诊断依据与就诊意见。
椎间盘退变是导致腰椎间盘突出的主要原因，Pfirrmann分级用于评价椎间盘的退变程度。首先为了提取感兴趣区域，即椎间盘图像，利用ResNet算法对矢状图椎间盘及椎体中心点定位;为了避免定位错误的情况出现，结合脊柱解剖学先验知识提出了椎间盘与椎体中心点定位约束，并提出了迭代修正算法得到定位正确的中心点坐标;基于此裁剪椎间盘图像送入Pfirrmann分级分类器中，得到Pfirrmann分级诊断结果。
针对椎间盘突出大小及位置判断，即MSU分型诊断，基于中心点坐标裁剪椎间盘及椎管部分图像，进行突出诊断得到突出椎间盘;为了得到诊断MSU分型的辅助线，基于ResNet算法对轴状图关键点定位;为了提高定位准确率，修正定位错误的结果，结合脊柱空间几何关系提出了关键点定位约束条件，并提出关键点迭代修正算法修正定位错误的坐标;基于U-Net网络设计了椎间盘及突出分割算法，以此得到突出位置，并判断其与辅助线间的位置关系，得到MSU分型诊断结果。
最后设计并开发了腰椎间盘突出症自动诊断系统。系统采用SpringBoot技术框架，使用Thymeleaf模板引擎，结合Flask进行深度学习模型的部署，开发了B/S模式的应用架构。利用多线程的方式处理医生即时诊断与后台数据队列读取、诊断的情况，结合实际病例验证了系统的高效性与可行性。
其他文献
眼底血管的自动分割对缩短糖尿病视网膜病变的诊断周期具有重要意义。人体眼部组织结构复杂且眼底图像在采集过程中因光照不均易混入噪声,导致现有的分割算法对血管的分割精度不高。为了解决这个问题,本文采用改进水平集的血管分割算法对眼底图像进行处理,处理过程分为预处理、血管增强和血管分割三个阶段。1.针对眼底图像存在噪声和视盘干扰的问题,对图像进行预处理。选取绿色通道图像作为待处理图像,通过灰度校正和同态滤波
随着人工智能技术的不断发展，卷积网络语义分割方法逐渐进入人们的视野。相比于传统的图像处理手段，卷积网络不仅提高了性能，而且缩减了特征标注的人力。随着大数据时代的到来，海量的图像数据要求快速、准确的分割并识别图像的种类。图像的语义分割是对图像中每个像素点进行分类，并依据每个像素点的类别，用不同颜色描绘一幅分割图。图像的语义分割和目标检测在自动驾驶、医学、自动监控等领域有着广泛的应用。 本文研究了高
近年来，行人再识别在安防监控、智能搜索等领域被广泛应用，因此得到了工业界和学术界的广泛关注。它源于视频监控的基本需求，即在多个摄像头场景下，检索特定的行人对象。然而，行人图像极易遭受行人姿态变化、异物遮挡、光照强度差异以及背景多变等因素的影响。因此，行人再识别是一项具有挑战性的工作。 为了克服以上问题，本文使用深度神经网络搭建深度模型，提取行人图像的深度特征，捕捉局部关系的有效信息，并且提出有效
近年来，数据流挖掘技术引起了学者们的广泛关注，其通过对大数据进行分析可以发现数据流中隐藏的有效信息，极大地便利生产生活的各个方面。然而科技的飞速发展使得数据流的种类逐渐丰富、内部的结构日益复杂、产生的速度显著提高，这些变化增加了数据流挖掘的复杂度，为原有的数据流挖掘技术带来了不可避免的挑战。因此，提升数据流挖掘的效率，提高有效信息的获取精度具有重要的意义。 作为数据流挖掘的常用方法，滑动窗口可以
近几年来，多旋翼无人机由于其结构构造简单、比较容易操控等优点得到迅速发展。随着无人机在军事和民用领域的大规模应用，其在各行业发展中扮演着越发重要的角色，其中无人机自主飞行技术是其在行业中大规模应用的关键技术之一。复杂场景下无人机的航迹规划技术直接影响着无人机自主执行任务的能力，现有实际无人机自主飞行应用中经常是飞手手动规划航线，其航线方案往往存在耗电量大、效率较低等缺点。本文将针对具体应用背景研究
机器人柔性装配技术对于提高工业产品的生产质量和效率具有十分关键的作用，为装配行业自动化和智能化发展提供技术支撑。在形状不规则、材料多样的复杂零部件装配过程中，多个部件之间配合关系复杂、空间紧凑，接触状态多样，从而导致机器人装配作业过程模型复杂度高，且难以精确建模。因此，如何处理复杂零部件装配过程中的接触多样性、状态不确定性是机器人柔性装配过程中的重要问题。本文面向复杂零部件机器人柔性装配作业需求，
自然界中众多陆生腿足动物因其高度的运动灵活性和崎岖地形适应能力给予人类诸多启发。近几十年来，世界各国研究者持续进行腿足式仿生移动机器人研究，包括仿生结构、运动机理、驱动方式、能量效率、感知技术等多个方面，以期实现非结构化环境下的物资运输、工程作业、野外勘探、救援救灾等任务，弥补轮式和履带式移动方式的不足。目前多足机器人主要有双足、四足、六足等拓扑结构形式，其中四足机器人因其兼具稳定性、灵活性和运动
切换系统可精准地描述工程实际问题中出现的多模态切换及多控制器切换现象，是控制领域关注的热点.在稳定性分析方面已取得了许多奠基性成果.现实世界中的系统都或多或少地存在着非线性特征，因此对非线性切换系统的研究具有重要的理论价值和实际意义.Port-ControlledHamilton(PCH)系统作为一类重要的非线性系统具有广泛的实用性.近30年来在镇定和H∞控制方面，取得了许多突破性进展，然而对于切
基于机器视觉的交通流估计研究一直都是智能交通领域的研究热点，是解决城市交通问题的关键技术之一，具有重要的理论意义和应用价值。面向复杂城市交通环境的交通流估计面临诸多挑战:城市交通场景车辆多而密集，且存在遮挡和小尺寸目标，增加了目标特征提取处理难度;城市交通场景复杂，基于单个目标的时空关联过程复杂耗时且精度较低，难以有效实时地进行交通流估计;基于交通视频的方法仅可输出交通流参数数据，而针对可视化的交
海洋场景感知是无人艇等海上无人装备有效完成各类既定任务的前提，而目标检测是场景感知与理解领域的基础性任务，提升海面目标检测算法的精度对提升无入水面艇的工作能力意义重大。近年来，基于深度学习的目标检测研究取得了突破性进展，在大规模标准库上取得了较好的检测识别效果。但常用的目标检测数据集中海面目标缺乏，导致目标检测模型在海洋场景中的泛化能力较弱。与此同时，由于海洋环境更加复杂多变，高质量海洋目标样本获