检索结果-南通市图书馆

作者：陈超山东工商学院

学位级别：硕士

近年来,医学领域的脑成像技术备受关注,其中核磁共振成像在脑部疾病的临床诊断和病灶分析中扮演着至关重要的角色。尽管不同序列的核磁共振图像提供更全面的病灶信息,但其成本是高昂的。为了克服这些限制,磁共振成像模态迁移技术被广泛... 详细信息

近年来,医学领域的脑成像技术备受关注,其中核磁共振成像在脑部疾病的临床诊断和病灶分析中扮演着至关重要的角色。尽管不同序列的核磁共振图像提供更全面的病灶信息,但其成本是高昂的。为了克服这些限制,磁共振成像模态迁移技术被广泛应用。该技术通过学习各种序列磁共振图像之间的映射关系,实现了从一种序列磁共振图像到另一序列的重构,为医生的临床诊断提供了更多的辅助信息。常用的核磁共振成像模态迁移技术是从一个领域的一种模态图像到另一种模态图像的转换。在临床诊断的过程中,通过使用不同的脉冲序列扫描获得磁共振图像,利用这些模态与目标模态相关的特征信息,更有利于合成缺失的模态数据。同时,医学领域中图像到图像合成方法一般分为监督学习和无监督学习。基于监督学习的方法需要标记数据集,而这些数据集通常很难获得。为了解决多模态图像迁移问题,本文提出了一种基于自监督学习的生成对抗网络(Self-supervised learning for modal transfer of brain imaging,BSL-GAN),实现了脑部核磁共振成像的多模态迁移。该框架构造了多分支输入,从多个模态的磁共振图像中提取与目标模态相关的特征信息,并利用这些信息来合成缺失的模态图像。此外,BSL-GAN通过构建辅助条件从众多无监督数据中挖掘监督信息,建立了监督信息训练网络,既保证了输入和输出图像之间的相似性,又能学习到对下游网络有价值的特征。实验结果表明,BSL-GAN在多模态图像合成上相较于其他的类似模型具有更清晰的组织细节和轮廓。此外,为了解决数据对齐问题,本文提出了一种使用自适应归一化无监督学习的生成对抗网络(GANs with Adaptive Normalization for Synthesizing T2-Weighted MR Images from DWI Images,AN-GAN),用于从快速扫描的DWI图像中合成T2WI图像。该方法从原始序列图像的高频信号中提取深层语义信息,利用图像融合技术,将其作为模态掩码向量添加到反卷积层的特征图中,生成了更好的特征图并指导生成对抗网络的训练。同时,引入自适应归一化,利用融合的特征图更新激活值。实验结果表明,本文合成T2图像的方法比其他先进的方法具有更好的感知质量和更多的细节。

关键词：核磁共振成像自监督学习模态迁移生成对抗网络辅助条件图像融合自适应归一化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生成对抗式网络及其医学影像应用研究综述

引用

中国图象图形学报 2022年第3期27卷 687-703页

作者：张颖麟胡衍东田理沙刘江南方科技大学深圳518055 TOMEY株式会社名古屋451-0051日本

生成对抗式网络(generative adversarial network,GAN)由负责学习数据分布的生成器和负责鉴别样本真伪的判别器构成,二者在相互对抗过程中互相学习逐渐变强。该网络模型使深度学习方法可以自动学习损失函数,减少了对专家知识的依赖,已... 详细信息

生成对抗式网络(generative adversarial network,GAN)由负责学习数据分布的生成器和负责鉴别样本真伪的判别器构成,二者在相互对抗过程中互相学习逐渐变强。该网络模型使深度学习方法可以自动学习损失函数,减少了对专家知识的依赖,已经广泛应用于自然图像处理领域,对解决医学影像处理的相关瓶颈问题亦具有巨大应用前景。本文旨在找到生成对抗式网络与医学影像领域面临挑战的结合点,通过分析已有工作对未来研究方向进行展望,为该领域研究提供参考。1)阐述了生成对抗式网络的基本原理,从任务拆分、条件约束以及图像到图像的翻译等角度对其衍生模型进行分析回顾;2)对生成对抗式网络在医学影像领域中的数据增广、模态迁移、图像分割以及去噪等方面的应用进行回顾,分析各方法的优缺点与适用范围;3)对现有图像生成质量评估方法进行小结;4)总结生成对抗式网络在医学影像领域的研究进展,并结合该领域问题特性,指出现有理论应用存在的不足与改进方向。生成对抗式网络提出以来,理论不断完善,在医学影像的处理应用中也取得了长足发展,但仍然存在一些亟待解决的问题,包括3维数据合成、几何结构合理性保持、无标记和未配对数据使用以及多模态数据交叉应用等。

关键词：生成对抗式网络(GAN) 医学影像深度学习数据增广模态迁移图像分割图像去噪

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合注意力机制的生成对抗网络在急性卒中辅助诊断中的研究及应用

结合注意力机制的生成对抗网络在急性卒中辅助诊断中的研究及应用

引用

作者：王文东长春工业大学

学位级别：硕士

缺血性卒中病例约占所有脑卒中病例的80%,现有的临床治疗手段通常与发病时间密切相关,对于发病时间处于4.5小时内的患者一般采用静脉溶栓,而对于发病时间超过4.5小时的患者则依据患者情况多采用机械取栓。因此,对卒中患者的发病时间进... 详细信息

缺血性卒中病例约占所有脑卒中病例的80%,现有的临床治疗手段通常与发病时间密切相关,对于发病时间处于4.5小时内的患者一般采用静脉溶栓,而对于发病时间超过4.5小时的患者则依据患者情况多采用机械取栓。因此,对卒中患者的发病时间进行精准分类,以辅助医生进行及时诊断和治疗具有重要意义。然而,临床上由于患者无法配合、费用过高、采集时间较长等因素,获取全序列的MRI通常存在困难,并且由于带标注的医学图像稀少及数据集的正负类样本不均衡等问题均会导致分类的性能下降。随着深度学习的快速发展,基于深度学习的医学图像处理方法在缩短诊断时间、辅助医生决策等方面发挥重要作用,为医学图像生成及医学图像分类提供新思路。因此,本文研究了基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像生成技术来解决MRI序列缺失、样本稀少与数据不均衡问题,进一步基于结合Transformer和卷积神经网络(Convolutional Neural Network,CNN)的医学图像分类技术来解决卒中时间分类不准确的问题。本文以缺血性脑卒中疾病为研究对象,研究内容具体分为脑MRI模态迁移、DWI序列下的影像数据增强和急性卒中4.5小时分类。论文的主要工作及贡献如下:1.提出一个用于脑MRI模态迁移的模型,用于生成缺失序列。首先,该模型结合了Transformer与CNN优点,能够捕获全局上下文信息和局部特征信息。其次,提出了一个迭代多尺度级联融合模块,来融合不同尺度的特征信息,避免网络丢失过多任务相关特征。最后,引入边缘信息提取模块,来学习目标模态的边缘信息,增强图像的生成质量。在Brats2018和ISLES2022两个脑部公开数据集上进行消融和对比实验,结果表明所提模型优于对比算法,能够生成质量较高的MRI序列。2.提出一个用于DWI序列下的影像数据增强模型,用于扩充数据集并均衡正负类样本,以提升后续分类网络的性能。首先,该模型建立在前面所提模态迁移模型的基础上,通过引入注意力特征融合模块来增强网络对于病灶区域的关注度,加强对于图像病灶区域的生成能力。其次,提出两种增强方案来对原始数据集进行增强。最后,在ISLES2022数据集上进行消融和对比实验,实验结果验证了所提模型能够生成更高质量的DWI序列影像数据,实现了有效的数据扩充。3.提出一个用于识别急性缺血性卒中4.5小时以内或以外的分类模型,为医生提供第三方意见,辅助医生对急性卒中患者发病时间进行识别。首先,该模型采用三分支的网络架构,通过局部特征块和全局特征块来捕获图像的局部空间信息和全局语义信息,来增强网络的分类性能。其次,设计了一个并行注意力特征融合模块,可以自适应地融合来自各分支、不同尺度的特征,并引入迭代多尺度级联融合模块来进一步融合来自并行注意力特征融合模块的特征信息,增强模型对于特征信息的利用能力。最后,在私有脑卒中数据集上进行消融和对比实验,结果表明所提模型可以辅助医生对急性卒中患者的发病时间进行准确的判断。

关键词：脑卒中模态迁移数据增强卒中时间分类注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向心血管疾病的心脏智能分割算法研究

面向心血管疾病的心脏智能分割算法研究

引用

作者：母丹电子科技大学

学位级别：硕士

近年来,心血管疾病已成为了全球人民的首要死因,占据了全球各地死亡人数的三分之一。在目前的临床医疗中,全心脏分割是医生诊断和治疗心血管疾病的重要步骤。但由于训练样本的稀缺性、心脏结构形状的变化性以及不同子结构间边界的模糊性... 详细信息

近年来,心血管疾病已成为了全球人民的首要死因,占据了全球各地死亡人数的三分之一。在目前的临床医疗中,全心脏分割是医生诊断和治疗心血管疾病的重要步骤。但由于训练样本的稀缺性、心脏结构形状的变化性以及不同子结构间边界的模糊性,全心脏分割仍面临着诸多挑战。在此背景下,本文针对医学领域中广泛使用的心脏CT图像,进行了心脏智能分割算法的研究,提出了一种用于全心脏分割的具有跨模态域迁移学习的级联框架CM-Tran Ca F,主要工作如下:(1)进行了全心脏分割算法的研究,提出了U形多注意网络MAUNet。该算法采用UNet架构,为了解决大量的背景像素点影响分割准确性的问题,本文在MAUNet跳跃连接处加入注意门控机制AGs来抑制背景像素点的激活,其次为了解决子结构间边界模糊问题,本文在MAUNet最底层加入位置注意机制PAB,聚合相似特征。最后为了利用心脏不同子结构间的解剖学信息,本文使用空间配置网络SCN对分割结果进行精调。(2)进行了三维医学图像模态迁移算法的研究,提出了模态迁移网络MTN,将MAUNet与MTN级联,提出了一种用于全心脏分割的具有跨模态域迁移学习的级联框架CM-Tran Ca F。为了充分利用不同模态数据提供的多层面信息,本文考虑到同时利用CT和MRI图像对心脏组织进行分割。MTN能对不同模态图像的数据分布进行统一,将MRI图像从MRI域迁移到CT域,将不同模态的数据应用到心脏CT图像的分割中,扩充训练集,进一步提高全心脏分割结果。(3)实现了心血管疾病智能辅助诊断系统。该系统的实现基于本文所提出的CM-Tran Ca F算法框架,该系统支持用户在线浏览心脏图像,并且能够通过远程服务器调取训练好的模型来即时获得心脏图像的分割结果,并通过可视化界面予以展示。从临床的层面肯定了本文算法的价值以及应用前景。最后,本文在MM-WHS挑战赛的测试数据集上对CM-Tran Ca F的性能进行了评估,实验的平均Dice指数为0.911,平均Jaccard指数为0.837,平均豪斯多夫距离为14.386,其中对右心房、左心室心肌和肺动脉的分割精度达到了目前最高。

关键词：深度学习全心脏分割模态迁移生成对抗训练注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：