基于神经网络和几何模型的血管生物医学标记计算方法研究

作     者：李焕春 

作者单位：齐鲁工业大学 

学位级别：硕士

导师姓名：陈达

授予年度：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：神经网络 关键点检测 生长测地线 测地线投票 生物医学标记 

摘      要：血管系统负责输送养分、氧气和废物排除,对维持生物体的生命活动至关重要,随着医学成像技术如X射线、CT扫描、MRI的进步,我们能够更深入的研究血管结构,但从这些复杂的生物医学图像中准确提取血管信息依然是一项挑战。血管生物医学标记计算采用先进的图像处理技术,实现图像中血管结构的识别和量化,对医学诊断和治疗具有至关重要的作用。高效的血管图像分析技术不仅能够提升诊断的准确率和治疗效果,还有助于疾病的早期发现、治疗效果的评估和病情的持续监控。此外,自动化血管图像分析技术的发展使得大规模医学图像数据的处理成为可能,支撑了基于大数据的医学研究,进而促进精准医疗和个性化治疗策略的实施。因此,血管生物医学标记的研究不仅推进了医学图像分析领域的技术创新,也为提高医疗服务的质量和推动生命科学的发展贡献了重要力量。 本文针对血管生物医学标记计算方向存在的问题作为研究背景,提出了基于神经网络和几何模型的血管生物医学标记计算方法,主要研究血管分叉点和交叉点检测、基于关键点的血管追踪等问题。本文主要工作如下: (1)本文提出了一种基于神经网络和生长测地线的血管树提取方法,模型实现了自动化检测血管的分叉点和交叉点,然后利用生长测地线技术将血管分叉交叉点进行连接,并对血管树进行提取。我们提出了一种新型神经网络架构,针对血管树的特点进行优化设计,从而在血管分叉点和交叉点的自动识别过程中表现出更高的效率和准确性,同时我们采用基于各项异性半径提升黎曼度量的测地线生长模型,并且通过调整曲线长度阈值来提取更加准确的血管结构。 (2)本文进一步的提出了一种基于关键点检测和曲率测地线投票的血管追踪方法,我们将一种基于曲率惩罚的测地线度量融入到测地线投票算法中,旨在对测地线投票的追踪过程进行优化,另外,我们探讨了一种基于半径提升空间的测地线投票算法。根据神经网络识别到血管图像中的关键点,将这些关键点作为测地线投票的初始点,分别使用上述两种测地线投票算法进行血管追踪实验,已验证所提出模型的有效性。为了进一步优化模型,我们提出了一种基于欧氏距离的关键点分组策略,通过将关键点分为多组分别进行测地线投票,并对投票结果进行累加,以此获得更加完整的血管结构。