检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

半监督学习的冠脉造影图像血管分割研究

半监督学习的冠脉造影图像血管分割研究

作者：常万里燕山大学

学位级别：硕士

冠状动脉造影图像血管分割是心血管疾病临床诊断的基础,因此对于冠脉造影图像血管的分割具有重要意义。由于冠脉造影标注图像数据不足,同时基于半监督学习的图像分割已经成为一个研究热点,因此本文针对基于半监督学习的冠脉造影图像血... 详细信息

冠状动脉造影图像血管分割是心血管疾病临床诊断的基础,因此对于冠脉造影图像血管的分割具有重要意义。由于冠脉造影标注图像数据不足,同时基于半监督学习的图像分割已经成为一个研究热点,因此本文针对基于半监督学习的冠脉造影图像血管分割进行了研究。首先,针对冠脉造影图像的结构比较复杂,图像中含有大量噪声的特点,使用CLAHE和NLM的方法对图像进行预处理,提升背景与血管的对比度,同时抑制图像中的噪声,达到对图像增强的效果。其次,针对冠脉造影图像血管分割问题,本文提出了基于半监督对抗模型的方法。该方法以含有残差模块和卷积注意力机制模块(Convolutional Block Attention Module,CBAM)的U型网络作为分割网络。通过加入残差模块可以缓解训练中出现的梯度消失和梯度爆炸的问题,加入注意力模块可以解决CNN受限于局部感受野的问题,而U型结构则可以将底层特征和高层特征进行融合,从而保留更多的细节信息,同时通过结合对抗学习可以使分割网络从标签图像的特征分布中学习结构信息进而提升分割性能。通过实验数据分析,证明该方法在该数据上的有效性。最后,针对进行切分后的冠脉造影图像血管分割问题,本文提出了基于半监督平均教师模型的方法。该方法同时包含学生模型和教师模型,并且这两个模型的网络结构是一致的,其中教师模型并不参与模型训练,它的权重更新采用的是学生模型的随机加权平均。在该网络框架中采用含有Dense模块的U型结构作为学生模型和教师模型的网络结构,通过在Unet网络中加入Dense模块,减少了计算量,同时加强了特征的传递,提升了分割精度和性能。通过实验数据分析,证明该方法在该数据上的有效性。

关键词：冠脉造影图像血管图像分割半监督学习对抗学习平均教师模型随机加权平均

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的冠脉造影图像分割研究

基于深度学习的冠脉造影图像分割研究

作者：宋佳锐燕山大学

学位级别：硕士

冠状动脉疾病(Coronary Artery Disease,CAD)是心血管疾病中最常见的一种,也是全球死亡的主要原因之一。X射线冠状动脉造影(X-ray coronary angiography,XCA)是检测冠状动脉狭窄病变的金标准。然而,造影图像中存在血管特征减弱、血管重... 详细信息

冠状动脉疾病(Coronary Artery Disease,CAD)是心血管疾病中最常见的一种,也是全球死亡的主要原因之一。X射线冠状动脉造影(X-ray coronary angiography,XCA)是检测冠状动脉狭窄病变的金标准。然而,造影图像中存在血管特征减弱、血管重叠、血管发育灰度不均等问题。因此,血管自动分割算法的开发有助于提高医生的诊断效率,消除主观人为因素,进而增加诊断可信度。本文针对卷积神经网络(Convolutional Neural Networks,CNN)在冠脉造影图像分割中存在的问题进行改进,提出一种卷积网络,在冠脉造影图像分割任务中表现优秀,改善了血管不连续、伪分割严重等问题。这种算法可以提高医生的诊断准确性和效率,提升患者的医疗服务质量。首先,本文通过增大卷积核尺寸以扩大网络的有效感受野,增强冠脉分割网络的跨区域学习能力,同时借鉴卷积分解的思想,将大尺寸卷积核的运算分解成小尺寸卷积与空洞卷积的组合,以减少参数量与计算性能开销,通过与现有方法进行对比实验,该模型能够很好地平衡分割的精度与模型的性能,使其达到先进的水平。其次,卷积操作由于静态权重相加的方式使得模型的空间信息学习范围限定在一定区域内。为了解决这种计算范式的缺陷,进一步提出一种基于全局注意力机制的模型。利用图像切块(token)并平移后的全连接操作,构建模型的全局注意力。实验结果表明,该模型在四种评价指标中达到了最优结果。最后,针对模型在学习通道维度的特征方面缺乏自适应性的问题,对第3章中提出的大核卷积模块进行修改,通过引入通道维度的注意力机制,实现通道的自适应性调整。重构后模型在自采集数据集上进行了实验,结果表明,本文提出的模型在客观指标与主观结果中表现出众。

关键词：冠脉造影图像卷积神经网络图像分割大核卷积全局注意力机制

基于深度神经网络的冠脉造影图像的血管狭窄自动定位及分类预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国生物医学工程学报 2021年第3期40卷 301-309页

作者：丛超肖朝晖陈文俊王毅陆军军医大学大坪医院特色医学中心放射科重庆400016 重庆理工大学电气与电子工程学院重庆400054 重庆理工大学计算机科学与工程学院重庆400054

提出一套基于深度神经网络与监督学习的算法,用于对冠状动脉图像中的血管狭窄特征进行自动检测和分类。主要利用冠脉造影定量分析(QCA)作为标签进行监督学习,将冠脉狭窄的严重程度分为正常(25%狭窄)类别,并实现图像中的狭窄定位检测。利... 详细信息

提出一套基于深度神经网络与监督学习的算法,用于对冠状动脉图像中的血管狭窄特征进行自动检测和分类。主要利用冠脉造影定量分析(QCA)作为标签进行监督学习,将冠脉狭窄的严重程度分为正常(25%狭窄)类别,并实现图像中的狭窄定位检测。利用inception模型作为基础分类器,对图像级狭窄进行初步分类;随后结合多层次池化结构,对多视角造影图像进行联合预测,以获取左动脉/右动脉/患者级狭窄预测。在分类器的基础上进一步提取特征,分别利用监督学习/非监督学习模型,实现图像中的狭窄定位。在235例临床研究共计13 744张图像上,用所述方法进行训练及交叉验证。结果表明,在图像级狭窄分类上,该算法可以达到85%的准确率和0.91的AUC分数;在多视图联合预测实验中,针对左/右/患者级的狭窄进行分类预测,分别达到0.94/0.90/0.96的灵敏度与0.87/0.88/0.86的AUC分数。在狭窄定位实验中,针对左/右动脉狭窄检测的灵敏度分别为0.70/0.68;在512像素×512像素的图像中,均方误差分别为37.6/39.3像素。实验证明,该算法可实现从图像到病人的辅助诊断预测潜力,具有较高的精确度;不仅能提供冠脉造影过程中的初步筛选能力,而且为更精确和自动化的计算机辅助诊断奠定基础。

关键词：深度学习卷积神经网络冠脉造影图像血管狭窄预测病灶定位

维普期刊数据库

基于Hessian矩阵的冠脉造影图像分割与骨架提取

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2016年第5期31卷 911-918页

作者：秦红星黄晓雪重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标... 详细信息

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系,构造一个新颖的血管相似性响应函数,对冠脉增强并阈值化得到分割结果,同时由Hessian矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集,以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效,相比现有算法能提取到更多的细小分支,得到的冠脉骨架完整,半径估计准确。

关键词：冠脉造影图像 Hessian矩阵对数变换中轴转换欧氏骨架

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

冠脉造影图像的血管结构识别研究

冠脉造影图像的血管结构识别研究

作者：杨阳北京工业大学

学位级别：硕士

冠脉造影图像是诊断冠脉疾病的“金标准”,定量分析冠脉病变的位置、程度及类型是准确评估冠脉疾病严重程度的关键,对于临床治疗决策有着重要的意义。病变位置的准确定位,需要明确病变在冠脉血管树分支结构中的具体位置,而冠脉病变程度... 详细信息

冠脉造影图像是诊断冠脉疾病的“金标准”,定量分析冠脉病变的位置、程度及类型是准确评估冠脉疾病严重程度的关键,对于临床治疗决策有着重要的意义。病变位置的准确定位,需要明确病变在冠脉血管树分支结构中的具体位置,而冠脉病变程度需准确测量血管树分支结构的直径,目前自动获取冠脉分支结构及直径测量方法的研究尚不充分。本文采用图像分割方法自动识别冠脉树的结构,将其按分叉结构分段,并计算直径。主要研究内容如下:(1)冠脉造影图像的预处理。首先,针对冠脉造影图像噪声高、对比度低等问题,采用噪声自适应模糊开关中值滤波(NAFSM)去除图像中的椒盐噪声,通过对比度受限自适应直方图均衡化(CLAHE)增强图像对比度。然后,针对冠脉树结构具有复杂、细小血管多等特点,分析Hessian矩阵特征,采用基于Hessian矩阵的多尺度线性增强方法突出血管结构,抑制非血管结构。(2)冠脉树结构的提取及血管的自动分段。首先,利用基于窄带水平集的方法对冠脉结构进行迭代演化,分割冠脉轮廓。然后,基于Hessian矩阵的特征分析,检测种子点及初始跟踪方向,采用自适应跟踪的方法追踪完整冠脉骨架,提取分叉点及端点等血管结构。最后,根据冠脉分叉结构特征,识别血管树主干及其分支,并进行血管分段。(3)血管直径及狭窄程度的测量。首先,为优化任意血管横截面的直径测量结果,提出基于交互设计的直径测量方法,根据冠脉骨架与轮廓等结构特征测量目标血管横截面的直径。然后,根据冠脉骨架方向,结合血管轮廓特征及血管分段信息,计算血管段的平均直径与最小直径,并根据狭窄评价指标评估血管段狭窄程度。(4)在MATLAB环境下开发一套冠脉造影图像处理系统,包括用户登录、患者数据读取以及冠脉造影图像的处理与分析等三个功能模块,其中图像处理模块实现图像预处理,冠脉结构识别,血管直径测量,及狭窄程度评估等功能。研究结果表明:1.预处理操作能够抑制冠脉造影图像的噪声,增强血管结构。2.冠脉骨架、轮廓、分叉点、端点等冠脉结构能够准确识别出来,并根据冠脉结构对血管进行自动分段。3.基于交互设计,能够测量任意血管横截面的直径,并合理评估目标血管段的狭窄程度。4.开发一套冠脉造影图像处理系统,实现图像预处理,冠脉结构识别,血管分段,血管直径测量,及狭窄程度评估等功能。论文实现了骨架、轮廓、分叉点和端点等冠脉结构的自动识别,血管的分段,血管直径的测量,及狭窄程度的评估,血管分段的实现可以准确定位标准冠脉结构,直径测量及狭窄评估的实现可以定量分析冠脉病变程度,进而对冠脉整体的病变严重程度进行评价,对手术决策有意义。

关键词：冠脉造影图像冠脉结构识别血管分段血管直径测量血管狭窄评估

基于深度学习的冠脉造影图像血管分割方法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的冠脉造影图像血管分割方法的研究

作者：李明大连海事大学

学位级别：硕士

冠心病是威胁人类健康的灾难性疾病之一,而冠状动脉造影是诊断这一疾病的重要帮手。冠状动脉造影图像血管分割是对具有复杂结构的血管数据进行数字化和标准化的关键。分割结果的准确程度不仅直接决定了能否对病灶部位进行精确定位,还可... 详细信息

冠心病是威胁人类健康的灾难性疾病之一,而冠状动脉造影是诊断这一疾病的重要帮手。冠状动脉造影图像血管分割是对具有复杂结构的血管数据进行数字化和标准化的关键。分割结果的准确程度不仅直接决定了能否对病灶部位进行精确定位,还可以辅助医生了解患者冠心病的发展程度,也是后续包括血管动力学研究在内的一系列医学研究的基础。包括匹配滤波方法、区域增长方法等在内的传统分割方法,需要复杂的预处理步骤,依赖人工设计特征,需要设计者了解相关的医学常识。近几年来,深度学习尤其是深度卷积神经网络依靠权值共享、自动特征提取和计算机运算性能的提升,在计算机视觉方面取得重大突破。本论文对使用深度学习技术的冠脉血管分割方法进行改进,主要研究工作如下:(1)针对冠脉造影图像血管结构复杂多变,造影剂分布不均,因此产生伪影及其他一些噪声的问题。本文搭建了一种采用并行方式的多尺度卷积神经网络模型。这种网络结果通过输入两种不同尺度的图像,通过全局特征来校正局部特征,使分割结果更加准确。(2)针对使用深度学习时样本数量不均衡问题对网络带来的影响,对传统的交叉熵损失函数进行了改进。改进后的函数不仅可以缓解这一问题,并能够提升对困难样本的分类精度。(3)针对小样本数据在应用迁移学习时,直接使用目标领域的样本进行训练可能会产生过拟合或者参数结构破坏的问题。本文提出一种通过限制参数学习的小样本迁移学习方法,使目标领域的参数与源领域的参数尽量保持一致,并使用FOBOS算法对该策略进行求解。本文通过对实验结果与其它方法进行比对,发现本文提出的网络模型可以有效的分辨伪影及噪声,更加准确的分割血管。改进后的损失函数可以有效的在样本数量不均衡的训练中改善结果,增加模型对困难样本的识别,使得网络的鲁棒性更好。使用迁移学习策略得到模型应用于冠脉血管分割上,得到了比通常情况下更优的准确率。

关键词：冠脉造影图像深度学习卷积神经网络血管分割迁移学习

基于非线性滤波的冠脉造影图像增强算法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非线性滤波的冠脉造影图像增强算法的研究

作者：陈楷丰大连海事大学

学位级别：硕士

医学冠脉造影图像易于受到多种因素的干扰。血管壁厚度变化较大,背景噪声复杂多变及光照强度分布不均匀等因素均会影响到造影成像的图片质量与清晰度,而且在冠状动脉造影图像中血管结构和血管边缘之间的对比度通常很低,这些原因导致了... 详细信息

医学冠脉造影图像易于受到多种因素的干扰。血管壁厚度变化较大,背景噪声复杂多变及光照强度分布不均匀等因素均会影响到造影成像的图片质量与清晰度,而且在冠状动脉造影图像中血管结构和血管边缘之间的对比度通常很低,这些原因导致了难以直接将它们区分,所以与其他医学图像相比,冠脉造影图像的处理难度更大,数据处理更为复杂。如果将血管的错误检测结果直接投入使用,可能引发严重的医疗事故。现阶段,应用传统的增强方法进行冠脉造影图像增强的效果并不令人满意。为了解决以上问题,本文用到Hessian矩阵、形态学运算、匹配滤波、双边滤波等方法,从以下几方面入手提出改进方案：(1)改进多尺度Hessian矩阵。在图像处理领域,多尺度Hessian矩阵主要用于对视网膜图像进行血管增强,然而对冠脉造影图像的处理效果并不理想。本文提出一种结合形态学top-hat运算的改进的多尺度Hessian矩阵方法对冠脉造影图像进行血管检测,该改进方法对冠脉造影图像的血管增强效果显著。(2)改进高斯一阶导数匹配滤波器。Bob Zhang等人提出了高斯一阶导数匹配滤波器,该方法通过将匹配滤波器与它的高斯一阶导数进行运算提取视网膜的血管图像。但是将该方法用于冠脉造影图像的血管增强时,存在部分细小血管断裂,产生新的噪声,血管匹配错误率较高等问题。本文对高斯一阶导数匹配滤波器进行改进,改进的方法可以有效的提升血管增强效果,降低检测错误率。(3)改进双边滤波器。使用传统的双边滤波器处理冠脉造影图像往往会导致图像模糊、大多数细小血管消失,无法起到图像增强的作用。本文通过改进传统双边滤波器的两个核函数,重组双边滤波器。新的双边滤波器优势明显,大多数细小血管得到完整保留,降噪效果明显且血管检测错误率非常低。

关键词：冠脉造影图像图像增强双边滤波器 Hessian矩阵匹配滤波器

基于全卷积神经网络的冠脉造影图像分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全卷积神经网络的冠脉造影图像分割方法研究

作者：李高阳哈尔滨工程大学

学位级别：硕士

随着城市经济的增长和人口老龄化的加快,心血管疾病已经成为人类的第一大死因。冠状动脉血管几何形状的分析在心血管疾病的诊断中有着重要的意义。为了对临床应用做出可靠的判断,需要通过准确、稳健的分割方法对冠状动脉血管树进行提取... 详细信息

随着城市经济的增长和人口老龄化的加快,心血管疾病已经成为人类的第一大死因。冠状动脉血管几何形状的分析在心血管疾病的诊断中有着重要的意义。为了对临床应用做出可靠的判断,需要通过准确、稳健的分割方法对冠状动脉血管树进行提取。本文提出一套基于全卷积神经网络的冠脉造影序列图像分割方法。首先对图像进行预处理,提高样本的质量;然后设计全卷积分割网络VGG-seg,该网络基于VGG-16基础网络,去掉最后的全连接层,并在每个池化层之后进行反卷积,分别输出各层反卷积的结果并进行线性加和,从而对每个像素进行分类。定义损失函数为自适应类平衡交叉熵,以Image Net上的预训练参数初始化网络,利用109例临床冠脉造影序列数据作为训练集对网络进行训练,然后利用40例冠状动脉造影序列作为测试集对模型进行测试;最后通过基于条件随机场的方法对血管边缘进行精细化处理,将冠脉造影图像的所有像素点构建成一个全连接条件随机场,通过最小化一元势能和二元势能,同时考虑像素的位置、灰度等特征,使模型的总能量最小,从而实现对血管断裂、空洞情况的精细化处理,实现冠脉序列图像的精确分割。为了验证分割方法的有效性,本文在测试集数据上通过两种指标对分割方法进行评价,一是分割结果评价指标,包括Dice系数,准确率(Accuracy)、特异性(Specificity)及敏感性(Sensitivity);二是临床诊断结果评价指标,即将分割的结果细化,进行血管直径检测。用本文所得的结果与医生的标注结果进行对比,在网络性能方面,本文得到的Dice系数为0.89,准确率为98.36%,灵敏度为93.36%,特异性为98.76%,与前人提出的先进方法对比体现出一定的优势。在临床评价指标方面,通过对本文提出的分割方法所得到的结果进行骨架线提取和直径计算,与标注图像的直径对比后得到的绝对误差为0.382,相对误差为0.112,这说明本文的分割方法可以较为精确的恢复血管轮廓。本文提出的基于全卷积神经网络的冠脉造影序列图像分割方法,实现了对冠脉造影序列图像中血管的准确提取,为解决临床上冠脉血管树的提取问题提供了一定的依据。

关键词：冠脉造影图像血管分割全卷积神经网络条件随机场

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

运动冠脉造影序列的独立分量分析伪彩色编码

光电子．激光 2010年第4期21卷 623-627页

作者：王青竹王珂张立保安东洪吉林大学通信工程学院吉林长春130025 北京师范大学信息科学与技术学院北京100875 吉林大学第三医院吉林长春130033

针对心脏周期剧烈运动产生的冠状动脉血管非刚性变化所引起的造影图像处理误差,提出一种基于快速独立分量分析(FastICA)的动态冠脉造影图像序列特征提取方法,改进了以往算法将动态序列中的每帧作为静态图像单独处理而未考虑帧间关系的缺... 详细信息

针对心脏周期剧烈运动产生的冠状动脉血管非刚性变化所引起的造影图像处理误差,提出一种基于快速独立分量分析(FastICA)的动态冠脉造影图像序列特征提取方法,改进了以往算法将动态序列中的每帧作为静态图像单独处理而未考虑帧间关系的缺点,综合序列中各帧信息进行分析,解混分离出背景区和感兴趣区。在传统FastICA算法基础上,提出一种适合冠脉造影图像灰度级分布特征的自适应初始权值计算方法,在保证效果一致的情况下,使迭代次数降低约45%。最后,设计一种基于感兴趣区域的伪彩色编码方法。

关键词：独立分量分析(ICA) 特征提取冠脉造影图像伪彩色

维普期刊数据库