检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CT图像的全心脏分割方法研究

现代计算机（中旬刊） 2016年第11期 62-66页

作者：尹慧平张耀楠何颖西安思源学院电信学院西安710038 东北大学中荷生物医学与信息工程学院沈阳110819

为了解决无法准确分割全心脏的难题,提出一种基于形态学操作和形态学梯度的阈值分割算法。传统的阈值分割由于图像本身灰度分布不均及噪声干扰等多种因素的影响,往往不能得到理想的分割结果。该算法结合形态学开闭操作重构图像,在形态... 详细信息

为了解决无法准确分割全心脏的难题,提出一种基于形态学操作和形态学梯度的阈值分割算法。传统的阈值分割由于图像本身灰度分布不均及噪声干扰等多种因素的影响,往往不能得到理想的分割结果。该算法结合形态学开闭操作重构图像,在形态学梯度的基础上,对图像进行自动阈值分割,不但可以消除噪声,还能较好地保留图像的边缘信息,得到全心脏组织。实验结果显示,基于形态学梯度的阈值分割算法对心脏的提取准确率较高,解决仅使用传统阈值分割或直接对普通梯度图像分割存在的问题。

关键词：全心脏分割图像处理形态学梯度阈值分割

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

基于编解码结构的全心脏CT图像分割

基于编解码结构的全心脏CT图像分割

作者：叶承钦哈尔滨工业大学

学位级别：硕士

心脑血管疾病是全球人类疾病死亡的首要原因,为此人们投入大量精力预防和治疗心脑血管疾病,而CT图像等三维医学成像技术所提供的病理信息和解剖学信息是医生诊断心脑血管疾病的主要依据之一,例如通过CT图像获取得到的全心脏解剖结构信息... 详细信息

心脑血管疾病是全球人类疾病死亡的首要原因,为此人们投入大量精力预防和治疗心脑血管疾病,而CT图像等三维医学成像技术所提供的病理信息和解剖学信息是医生诊断心脑血管疾病的主要依据之一,例如通过CT图像获取得到的全心脏解剖结构信息,对诊断心率衰竭、先天性心脏衰竭以及指导射频消融手术具有重要作用,由于人工手动分析医学图像费时费力,因此快速而精准自动化分割医学图像具有重大意义,本课题针对医学图像中广泛使用的心脏CT图像的全心脏自动化分割算法进行了研究。本文第一部分首先对目前流行的全心脏分割算法进行了总结,研究了目前全心脏分割存在的两大难点:背景组织(即除心脏子结构外的组织)像素点数量远远多于心脏子结构像素点数量,以及心脏子结构之间、心脏子结构和背景组织的边界像素值非常接近导致边界非常模糊。本文在比对了2D分割和3D分割的优劣之后,选取了最能保留切片间上下文信息的3D UNET,并且使用在小样本集上表现良好的3D深度监督UNET作为基础网络,随后,提出了多深度融合块以协助网络融合上下文信息。最后,将Focal损失与Dice损失融合形成新的损失函数,以抑制类别不平衡,并且减小易分像素点的损失,迫使网络致力于优化难分像素点的损失,提升了分割算法的精度。本文第二部分在第一部分基础上继续进行研究,首先研究了目前全心脏分割领域最先进的两阶段分割方法。两阶段分割方法首先使用定位网络确定心脏大致位置然后在定位的区域基础上再完成分割任务。在此基础上,为了同样达到关注心脏子结构所在的重点区域的目的,实验使用了多头注意力机制。然后根据大多数背景像素点在训练过程中逐渐变得无信息这一事实,使用了困难负样本挖掘方法,自适应地从损失函数中排除无信息背景像素点的损失,最后,本文研究了兼具循环机制和反馈机制的CliqueNet,并且将Clique块整合进全心脏分割算法。在每个部分的最后评估了各个方法的效果。在最后,本实验的平均Dice指数达到91.01%,对比近期其他论文的分割结果,本文提出的方法已经达到目前最高的分割精度。本实验使用的方法是端到端的,并且能够在相对较短的时间完成高精度的全心脏分割任务,对于心脏病的临床诊断具有较高的意义。该方法是通用的,因而也能被迁移到脑CT图像等类似医学图像的分割任务之上。

关键词：全心脏分割深度监督 UNET Focal损失注意力机制

基于改进U-Net网络的2.5D全心脏CT图像分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进U-Net网络的2.5D全心脏CT图像分割

作者：陈秋叶中南民族大学

学位级别：硕士

心血管系统是人体的循环系统,承担着运送营养物质、排出代谢废物的作用。然而,目前心血管疾病却是众人皆知的头号健康杀手,且其发病率和死亡率呈逐年攀升的趋势,因此获取心血管系统的解剖信息对于心血管疾病的预防和诊疗是至关重要的,... 详细信息

心血管系统是人体的循环系统,承担着运送营养物质、排出代谢废物的作用。然而,目前心血管疾病却是众人皆知的头号健康杀手,且其发病率和死亡率呈逐年攀升的趋势,因此获取心血管系统的解剖信息对于心血管疾病的预防和诊疗是至关重要的,而且心脏穿刺等介入手术也需完整的心血管分割图。但是在CT图像中,全心脏各结构直径及边缘形态差异较大,且灰度变化较小,使得临床上人工分割心脏结构不切实际。基于阈值、聚类等传统的心脏分割方法存在分割精度不高的问题,而基于深度学习的2D和3D分割网络也存在准确度有待提升及计算量、内存消耗大等问题。因此,本文针对全心脏CT影像结构特点及自动分割的难点提出了一种基于深度学习的2.5D全心脏分割算法。首先,提出基于并行多尺度特征融合的U-Net＿conv1-5Mffp网络。该网络在U-Net编码器的不同层加入不同空洞率组成的并行多尺度特征融合模块,扩大了感受野的范围,捕获了更多感兴趣信息,在一定程度上提高了肺动脉小血管及心房、心室等结构的分割效果,但是对于各结构边界的分割依旧存在一定的欠缺。其次,提出了基于注意力机制的U-Net网络。注意力机制通过区分特征重要性,给不同特征分配不同权重的方式,使网络多关注所需重点信息。因此,本文提出了嵌入基于局部和全局注意力计算模型的AG-U-Net网络,使之更关注边界信息、弱化背景信息,有效弥补了边界分割不佳的损失;基于并行多尺度特征融合和注意力机制的优势,提出了AG-U-Net＿conv1-5Mffp网络,并以平衡样本比例的交叉熵为损失函数对网络进行训练。该网络不仅捕捉到全局信息,突出了边界特征,也在一定程度上解决了样本比例失调的问题,但该网络未考虑三维空间信息,其分割效果仍有待完善。最后,基于AG-U-Net＿conv1-5Mffp网络的不足,提出了自适应信息融合的2.5D全心脏分割模型。该模型以AG-U-Net＿conv1-5Mffp网络对心脏CT图像三个截面的2D分割结果为基础,利用多截面自适应融合机制学习,给不同截面的同一像素点分配不同权重,并将多截面分割信息进行融合,获取了更加全面且精细的心脏三维空间信息,提升了分割算法的精度。为了验证提出的全心脏分割网络的性能,本文在MM-WHS数据集上进行了模型的训练和评估。实验结果表明,本文提出的2.5D全心脏分割模型Dice值达到了91.45%,有效验证了该算法的性能,并且该算法在一定程度上减少了计算资源,有望融入计算机辅助诊断系统以满足临床需求。

关键词：全心脏分割并行多尺度特征融合注意力机制多截面自适应融合 2.5D分割模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

CT心脏图像全自动分割算法的研究与实现

CT心脏图像全自动分割算法的研究与实现

作者：白静雯武汉理工大学

学位级别：硕士

心血管疾病是国际上常见的疾病之一,同时也是导致人类非意外死亡的直接或间接因素。而在心血管系统中,心脏是重要器官。因此,准确地分割心脏图像对心血管疾病的早期诊断和介入治疗就变得尤为重要。然而全心脏图像的分割依旧具有挑战性:... 详细信息

心血管疾病是国际上常见的疾病之一,同时也是导致人类非意外死亡的直接或间接因素。而在心血管系统中,心脏是重要器官。因此,准确地分割心脏图像对心血管疾病的早期诊断和介入治疗就变得尤为重要。然而全心脏图像的分割依旧具有挑战性:一方面,心脏解剖结构非常复杂,心房、心室、冠状动脉、上下腔静脉、心包以及瓣膜等心脏结构CT值存在一定范围的重叠;另一方面,心脏的持续搏动导致医学影像具有变化的相位特性,容易产生噪声和伪影,由此带来的定位和分割误差还亟待改善。为了解决心脏在CT图像中难以准确定位、分割的问题,本课题在现有典型的医学图像分割算法的基础上,提出一种基于局域化的活动轮廓模型和分水岭算法的混合分割模型,并将其应用于CT心脏图像的分割中,实现了CT全心脏图像心包外膜的全自动分割。本文的主要工作如下:(1)研究分析CT心脏图像的灰度特征,并使用高斯滤波以及双边滤波预处理方法对其进行实验对比分析,同时对医学图像处理中两种典型的可形变模型进行研究分析,为后文设计和优化CT心脏图像分割算法奠定基础。(2)对几种典型的局部轮廓模型进行研究分析,针对其轮廓曲线在形变过程中易产生冗余曲线的问题,采用一种局域化的活动轮廓模型,并对Heaviside函数以及Dirac函数进行改进,同时将其与几种局部轮廓模型进行实验对比分析。使该模型能够更好的应用于CT全心脏图像分割中。(3)对分水岭算法进行研究分析,依据分水岭算法具有运行速度快、准确性较高且能够获得闭合目标区域轮廓的优点,并结合CT心脏图像的图像特点,本文提出一种基于改进分水岭的CT全心脏图像初始轮廓线设置算法,实现了CT全心脏图像初始轮廓线的快速自动提取。(4)针对CT心脏图像的分割,本文提出一种基于局域化的活动轮廓模型和分水岭算法的混合分割模型,并将其应用于CT心脏图像心包外膜的分割中。并在多组临床心脏CT数据上进行实验,结果表明本文所提出的模型具有广泛的实用性,良好的精确性以及对噪声的鲁棒性好。

关键词： CT图像全心脏分割主动轮廓模型局域化分水岭算法

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

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

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

跨模态心脏医学图像域自适应分割算法研究

跨模态心脏医学图像域自适应分割算法研究

作者：付殿臣长春工业大学

学位级别：硕士

心血管疾病是世界上导致人类死亡的高发疾病,对心血管疾病进行提前预防和有效治疗是一个全球研究的热点问题。心脏是心血管系统中最重要的器官,通过对心脏各个子结构的研究,可以获得心脏的各项性能指标和病理特征。因此,准确地分割心脏... 详细信息

心血管疾病是世界上导致人类死亡的高发疾病,对心血管疾病进行提前预防和有效治疗是一个全球研究的热点问题。心脏是心血管系统中最重要的器官,通过对心脏各个子结构的研究,可以获得心脏的各项性能指标和病理特征。因此,准确地分割心脏部位对心血管疾病的预防和治疗起着十分关键的作用。心脏的影像往往呈现多模态的形式,在实践中对心脏类疾病的诊断经常采用多种成像方式来综合分析,利用不同模态的图像进行相同的分析任务有很大的临床意义。另外,心脏各个子结构存在重叠或者边界模糊等问题,导致心脏分割任务难度增大。为了充分挖掘并利用不同模态心脏图像的相关性特征以及针对心脏分割任务中各心脏子结构上下文信息联系匮乏,分割效率、准确率低等问题,本文提出了一种跨模态全心脏自适应分割算法,具体的工作展开如下:（1）基于生成对抗网络实现跨模态医学图像域自适应,融合传统的Unet模型,重新设计主干特征提取编码网络,与残差模块（Res Block）结合并增加并行空洞卷积（Dalited Convolution）特征提取模块,通过加深特征提取网络和增大感受野来提升模型特征提取性能。（2）针对心脏像素中占比较小的子结构分割精度低的问题,引入空间和通道多注意机制,并提出了改进的多注意力模块（MASC）。通过注意力层的掩码加权使得特征提取网络更加注重某些特征层和心脏图像空间区域的关键特征,同时抑制了心脏图像背景等空间区域的无效特征。（3）将跨模态图像自适应算法和改进的分割算法进行算法融合,算法在特征提取阶段共享了网络参数,使得在自适应和分割两个任务之间可以互益。算法最终实现了CT和MR两种模态在图像级别和特征级别的自适应转换,同时实现了自适应任务和分割任务端到端的模型训练与测试。最后,本文提出的方法在MACCAI协会提供的全心脏分割和脑胶质瘤分割比赛数据集上进行训练和测试。其中,图像跨域自适应转换实验使用全心脏分割二维切片数据,并与现有的算法得到的结果比较,取得了更好的观感结果。在进行心脏分割实验之前,首先使用脑胶质瘤数据作为算法的辅助实验进行性能测试,之后使用心脏分割数据集对融合后的算法进行了跨模态数据的分割测试,并取得了较为精确的分割结果。

关键词：生成对抗跨模态图像自适应全心脏分割注意力机制

医学图像分割算法研究及其在心脏分割中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医学图像分割算法研究及其在心脏分割中的应用

作者：陈丰上海交通大学

学位级别：硕士

医学影像分割是计算机辅助诊断和治疗计划制订中一项非常重要的工作,是医学图像处理与分析的一个重要领域,同时也是计算机辅助诊断与治疗的基础。所谓图像分割就是根据某种均匀性或一致性的原则将图像分成若干个有意义的部分,使得每部... 详细信息

医学影像分割是计算机辅助诊断和治疗计划制订中一项非常重要的工作,是医学图像处理与分析的一个重要领域,同时也是计算机辅助诊断与治疗的基础。所谓图像分割就是根据某种均匀性或一致性的原则将图像分成若干个有意义的部分,使得每部分都符合某种一致性的要求。近年来随着医学影像获取技术的不断提高,图像的质量越来越好,分辨率越来越高,细节越来越复杂,使得传统分割算法所需要的时间越来越多,通用性也越来越差。如何高效而又精确的在图像中分割出感兴趣的器官成为国际上一个重要且前沿的研究课题。据世界卫生组织统计,心血管疾病已经成为全世界造成人类非意外死亡的第一大杀手。因此,对心血管疾病的早期诊断和治疗变得非常重要。近年来,国际上出现了许多针对人类心脏中某些解剖结构的分割算法,最为常见的便是针对心房、心室的分割。但是对于计算机辅助诊断、治疗和医生的实际需要,常常需要将整个心脏分割出来。这项工作非常具有挑战性,一方面心脏的解剖结构非常复杂,包含心房、心室、冠状动脉、血管、心包以及瓣膜等结构;另一方面心脏的持续跳动使获得医学影像具有变化的相位特性,难以定位和分割。由于医学影像的成像原理,心房、心室在医学影像中非常明显,很容易识别和分割;而心肌等结构则与周围组织在图像灰度上非常接近,并且存在粘连,从而造成了分割的困难。国际上全心脏分割算法还比较少,也比较不成熟,本课题就是致力于对各种常用分割算法进行分析和调研,研究出一个有效的分割算法,将其应用在全心脏分割中实现对整个心脏的完全分割和心脏组织结构包括心房心室和心肌的自分割,满足计算机辅助诊断、治疗和医生的临床需求,具有很大的科研和临床意义。本文的主要工作和创新点如下: 1.介绍国际上常用的医学图像分割算法的研究现状,并着重介绍了基于期望最大化算法(EM Method)和基于水平集方法(Level Set Method)的分割算法。 2.根据医学图像分割的特点,对期望最大化算法进行改进和优化,并与原始的期望最大化算法做了对比和评价,使之能更好的实现心脏分割这一研究目标。 3.提出了基于改进的期望最大化算法和带形状先验模型的水平集方法的混合分割模型,结合了它们各自的优势,并将其应用在医学图像分割,特别是心脏分割领域中。 4.实现人体心脏CT和MRI图像的全分割和自解剖结构的分割。在全心脏分割这一分割领域内的难点上,我们提出了使用基于优化的期望最大化算法和带形状先验模型的水平集混合模型,对心脏的CT和MRI图像进行分割。通过在多组试验数据上的大量实验,结合对算法参数的讨论和与金标准的对比分析,并与其他分割方法做了试验对比和评价,验证了算法的鲁棒性和精确性,确定了本方法的临床应用价值。

关键词：医学图像分割全心脏分割混合模型优化的期望最大化算法带形状先验的水平集模型