為促進(jìn)阿爾茲海默癥的診斷及治療,實(shí)現(xiàn)對(duì)海馬體的精確分割,針對(duì)海馬體MRI圖像,提出一種基于U-net模型改進(jìn)的分割算法。使用CLAHE等對(duì)原始圖像進(jìn)行預(yù)處理,經(jīng)處理后的圖像有效提高了分割效果;將殘差模塊加入實(shí)現(xiàn)分割算法的卷積網(wǎng)絡(luò),增強(qiáng)網(wǎng)絡(luò)性能,避免網(wǎng)絡(luò)性能退化。對(duì)原始數(shù)據(jù)集進(jìn)行擴(kuò)充,將擴(kuò)充后的樣本數(shù)據(jù)用以訓(xùn)練網(wǎng)絡(luò),解決數(shù)據(jù)量的問題。實(shí)驗(yàn)結(jié)果表明,該算法在腦部MRI圖像中對(duì)海馬體實(shí)現(xiàn)了良好的分割效果,能較好輔助醫(yī)生診斷。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1算法流程

本文采用MRI圖像作為海馬體分割的數(shù)據(jù)源，算法的整體流程主要包括圖像預(yù)處理，數(shù)據(jù)擴(kuò)充以及基于U-net模型的圖像分割3個(gè)主要步驟，算法的基本流程如圖1所示。1.1圖像預(yù)處理

圖2CLAHE直方圖裁剪

傳統(tǒng)的直方圖算法在對(duì)圖像的灰度進(jìn)行分布的過程中，對(duì)有用信息以及噪聲進(jìn)行了同樣的操作，這使得圖像中的噪聲得到放大。針對(duì)噪聲被同步放大的問題，通過限制性對(duì)比度自適應(yīng)直方圖均衡算法（contrastlimitedadaptivehistogramequalization,CLA....

圖3預(yù)處理后的圖像

本文通過使用CLAHE算法對(duì)圖像進(jìn)行預(yù)處理，以達(dá)到增強(qiáng)圖像對(duì)比度的目的，同時(shí)運(yùn)用曲率驅(qū)動(dòng)算法去除圖像噪聲，從而得到預(yù)處理后的圖像數(shù)據(jù)。由于實(shí)驗(yàn)采用的腦部MRI圖像樣本，海馬體位置比較固定，因此基于U-net模型輸入數(shù)據(jù)的特點(diǎn)，從每個(gè)MRI圖像中提取一個(gè)128×128的圖像塊，對(duì)其....

圖4數(shù)據(jù)增強(qiáng)

原始數(shù)據(jù)的數(shù)量遠(yuǎn)不足以訓(xùn)練一個(gè)深層次網(wǎng)絡(luò)，因此在本文中用到了Keras自帶的圖像數(shù)據(jù)增強(qiáng)技術(shù)，對(duì)原始數(shù)據(jù)做平移、旋轉(zhuǎn)、扭曲等操作進(jìn)行數(shù)據(jù)擴(kuò)充以增加數(shù)據(jù)樣本量。但是通過這些變換得到的圖像相對(duì)于原始圖像在形狀上并沒有太大的差異。而考慮到真實(shí)的腦部MRI圖像中，根據(jù)海馬體的患病程度而導(dǎo)....

本文編號(hào)：4002430