论文部分内容阅读
基于深度学习的超声甲状腺分割算法研究
【摘 要】
：
甲状腺是人体最大的内分泌腺,大多数相关的疾病与甲状腺的形状、大小息息相关,常规超声检查甲状腺的组织大小也是评估甲状腺疾病的诊断依据,因此甲状腺组织的分割与体积重建对临床病理诊断有重大意义。而对于超声序列图像逐张切片人工标注获取目标组织再分析病理的任务来说,其人工成本较大并且受人为主观因素的影响较大,导致标注的图像存在较大误差。因此,需要设计一个能够自动分割超声甲状腺组织的计算机辅助诊断系统,这对临
【机 构】
：
中北大学
【出 处】
：
中北大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
结合图论分析方法对功能磁共振图像进行研究,已经发现了许多精神疾病的大脑功能连接存在异常,但是在脑网络分析中还存在一些问题亟需解决。首先,目前基于图论的分析方法存在一些阈值选择问题,结果很容易受其影响而出现不一致性。其次,之前的研究假设磁共振扫描期间功能连接是静态的且不会随时间变化,但是脑网络是动态变化的,由此可能忽略一些随时间变化的重要信息。最后,遗传因素也会对阿尔茨海默病患者(Alzheimer
学位