检索结果-南通市图书馆

检索条件"主题词=三维U型卷积神经网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于3D u-Net的冠状动脉分段标记方法研究

基于3D U-Net的冠状动脉分段标记方法研究

引用

作者：石志万华中科技大学

学位级别：硕士

冠心病是最常见的心血管疾病,给居民带来严重的健康问题和经济负担。冠状动脉分段标记可用于冠心病的病理分析,对冠状动脉血管造影图像中不同类别的血管段应用不同权重,计算解剖结构分支的统计数据。冠状动脉分段标记得越精确和细致,越... 详细信息

冠心病是最常见的心血管疾病,给居民带来严重的健康问题和经济负担。冠状动脉分段标记可用于冠心病的病理分析,对冠状动脉血管造影图像中不同类别的血管段应用不同权重,计算解剖结构分支的统计数据。冠状动脉分段标记得越精确和细致,越有助于自动量化冠心病的复杂程度,加快医生分析工作的流程时间。目前,大多数基于深度学习的分段标记方法能够自动对冠状动脉完成分段,但是存在分段类别过少的问题,无法识别不常见的分支。冠状动脉具有分支细小、解剖结构差异大和掩膜体素值一致等特点,常规的3D u-Net难以取得好的效果。为了满足精细识别的需求,采用冠状动脉和心脏掩膜作为数据,将冠状动脉分段类别增至22个标签,对3D u-Net进行改进,构建带有深度监督和解码器注意力机制的三维u型残差网络(3D-Deep Supervision Decoder Attention-Residual uNet,3D-DSDA-ResuNet)。首先,增加网络采样层数和特征通道基数,将3D u-Net中的双卷积单元替换为具有三层卷积块的残差单元,在加深网络的同时防止梯度消失的发生,提取更多通道的特征图。然后,在解码部分的残差单元后添加并行空间与通道挤压激发注意力模块,引入空间注意力和通道注意力机制,利用通道和体素空间位置两种维度的贡献对特征进行重新标定,增强重要特征权重。最后,利用深度监督机制对解码部分每一层特征图求和输出,使得损失函数的误差快速地反向传播到解码部分的各层,加速网络模型的收敛。在网络的训练过程中,结合Dice Loss和Focal Loss按比例累加作为损失函数,缓解冠状动脉数据中的类别不均衡和样本分类难度不同的问题。在冠状动脉和心脏掩膜数据集上进行测试,实验结果表明,3D-DSDA-ResuNet在30套测试集上的22个类别的冠状动脉段的平均Dice相似系数达到0.7923±0.0534,优于3D u-Net和V-Net。分段结果在主干段上接近人工标注的效果,对细小分支也能完成较准确的分割,验证了该网络在冠状动脉分段标记任务上的有效性。

关键词：计算机断层血管造影冠状动脉多标签分割血管分段标记三维u型卷积神经网络

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：