發(fā)布時(shí)間：2024-06-01 03:15

　　頸動(dòng)脈狹窄程度是臨床實(shí)踐中中風(fēng)風(fēng)險(xiǎn)評(píng)估和病程管理的重要生物標(biāo)志物。精確的頸動(dòng)脈管腔分割是量化其狹窄程度的前提。然而對(duì)于計(jì)算機(jī)斷層掃描血管造影(Computed Tomography Angiography,CTA)圖像中的頸動(dòng)脈管腔分割任務(wù),傳統(tǒng)圖像分割方法大多數(shù)不能完全擺脫對(duì)人工介入的依賴。最近深度學(xué)習(xí)方法在計(jì)算機(jī)視覺領(lǐng)域中的多種任務(wù)上均有著卓越表現(xiàn),使其成為有望實(shí)現(xiàn)頸動(dòng)脈分叉自動(dòng)化語(yǔ)義分割的一種技術(shù)手段。本研究以三維頭頸部CTA圖像為研究對(duì)象,采用深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)完全自動(dòng)化的頸動(dòng)脈分叉管腔分割算法。在原來(lái)UNet的結(jié)構(gòu)基礎(chǔ)上,加入了殘差連接、空洞卷積,并且把深度監(jiān)督策略融入到網(wǎng)絡(luò)結(jié)構(gòu)中,本研究建立了一個(gè)新型網(wǎng)絡(luò)結(jié)構(gòu)。同時(shí)針對(duì)分割任務(wù)中正負(fù)樣本不均衡問題探索了不同結(jié)合方式下?lián)p失函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的促進(jìn)作用,并且采用兩階段的策略完成了從大圖像中分割出小目標(biāo)的任務(wù)。以15個(gè)數(shù)據(jù)集為訓(xùn)練集,本研究在41個(gè)數(shù)據(jù)集的測(cè)試集上評(píng)估了方法的分割效果,評(píng)估指標(biāo)dice相似系數(shù)的平均值為82.3%。這是深度學(xué)習(xí)在三維CTA圖像中頸動(dòng)脈分叉結(jié)構(gòu)分割上的首次運(yùn)用,說明了深度學(xué)習(xí)是一種自動(dòng)提取頸動(dòng)脈分...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)圖像分割方法
        1.2.2 基于深度學(xué)習(xí)的語(yǔ)義分割
    1.3 研究?jī)?nèi)容
    1.4 論文組織架構(gòu)
第2章 相關(guān)理論和技術(shù)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 UNet網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 針對(duì)類別不均衡的損失函數(shù)
        2.3.1 Weighted binary cross-entropy
        2.3.2 Dice loss
        2.3.3 Focal loss
    2.4 技術(shù)框架和軟件支持
第3章 UNet網(wǎng)絡(luò)改進(jìn)設(shè)計(jì)
    3.1 數(shù)據(jù)來(lái)源和預(yù)處理
        3.1.1 數(shù)據(jù)來(lái)源
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 訓(xùn)練和測(cè)試策略
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)
        3.3.1 殘差卷積模塊
        3.3.2 空洞卷積模塊
        3.3.3 深度監(jiān)督策略
    3.4 損失函數(shù)的設(shè)計(jì)
    3.5 實(shí)施細(xì)節(jié)
        3.5.1 數(shù)據(jù)擴(kuò)增
        3.5.2 訓(xùn)練參數(shù)
        3.5.3 圖像后處理
第4章 研究結(jié)果和分析
    4.1 評(píng)估指標(biāo)
    4.2 對(duì)比標(biāo)準(zhǔn)
    4.3 實(shí)驗(yàn)結(jié)果和分析
        4.3.1 不同結(jié)合比例下的損失函數(shù)
        4.3.2 和其他網(wǎng)絡(luò)模型的對(duì)比
        4.3.3 分割結(jié)果的可視化
        4.3.4 Leave-one-out交叉驗(yàn)證
        4.3.5 和其他自動(dòng)分割算法的對(duì)比
第5章 總結(jié)和展望
    5.1 研究工作總結(jié)
    5.2 研究工作展望
參考文獻(xiàn)
作者在碩士期間的科研成果



本文編號(hào)：3985479