检索结果-南通市图书馆

基于Snake改进模型的心脏mr图像左心室分割方法

在线全文

学校读者我要写书评

暂无评论

四川大学学报（工程科学版） 2015年第2期47卷 82-88页

作者：朱敏张炜雪曲全民李梦颖高丽峰四川大学计算机学院四川成都610065 东北大学信息科学与工程学院辽宁沈阳110004

提出一种基于Snake改进模型的心脏mr图像左心室分割方法。首先对梯度矢量流GVF模型进行改进,提出基于扩展邻域的S型函数梯度矢量流ENSGVF模型,该模型可获得更大的捕获域,并能解决深度凹陷及弱边界泄露的问题。然后将ENSGVF作为新的外力... 详细信息

提出一种基于Snake改进模型的心脏mr图像左心室分割方法。首先对梯度矢量流GVF模型进行改进,提出基于扩展邻域的S型函数梯度矢量流ENSGVF模型,该模型可获得更大的捕获域,并能解决深度凹陷及弱边界泄露的问题。然后将ENSGVF作为新的外力条件,构造ENSGVF Snake模型,用于内外膜分割。对于内膜分割,引入圆形约束项,消除由于图像灰度不均匀造成的局部极小问题。进而利用内膜分割结果构造新的外力场和约束,实现外膜的精确自动分割。实验结果表明,该算法能有效解决分割中存在的弱边界、图像灰度不均匀、乳突肌干扰等问题,提高了精确度。

关键词：心脏mr图像 Snake模型 ENSGVF模型形状约束图像分割

一种基于U⁃Net网络心脏mr图像左室识别的图割后处理快速算法

在线全文

学校读者我要写书评

暂无评论

南京邮电大学学报（自然科学版） 2021年第2期41卷 29-35页

作者：乔艳苑金辉谢文鑫胡晓飞南京邮电大学地理与生物信息学院江苏南京210023 南京邮电大学通信与信息工程学院江苏南京210003

为了从心脏mr图像中分割出左心室,提出了一种基于U⁃Net网络的图割后处理算法。先训练U⁃Net网络分割网络得到概率图,接着采用图割算法进行后处理。为了减少图割算法运行时间,采用图像形态学操作去除无需后处理区域,只保留分割结果的边缘... 详细信息

为了从心脏mr图像中分割出左心室,提出了一种基于U⁃Net网络的图割后处理算法。先训练U⁃Net网络分割网络得到概率图,接着采用图割算法进行后处理。为了减少图割算法运行时间,采用图像形态学操作去除无需后处理区域,只保留分割结果的边缘区域进行图割优化。采用Dice系数和召回率这两种评价指标,在Sunnybrook数据集上的实验结果表明,该算法结果的边缘更接近标准分割结果,且具有较高的Dice系数、召回率和时间效率。

关键词：左心室分割心脏mr图像 U⁃Net网络形态学操作图割

基于预测-校正改进Snake的心脏mr图像左心室外轮廓分割

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2004年第1期17卷 47-51页

作者：王元全汤敏夏德深王平安南京理工大学计算机科学系南京210094 香港中文大学计算机科学与工程系

在心脏mr图像中,由于左右心室结合处的灰度非常靠近,在左心室外轮廓上形成弱边界,基于Snake模型分割左心室外轮廓时就会有边界泄漏的问题,本文先定义了两种局部信息用于边缘增强,并构造了合理的外力场,然后将传统Snake模型的形变结果作... 详细信息

在心脏mr图像中,由于左右心室结合处的灰度非常靠近,在左心室外轮廓上形成弱边界,基于Snake模型分割左心室外轮廓时就会有边界泄漏的问题,本文先定义了两种局部信息用于边缘增强,并构造了合理的外力场,然后将传统Snake模型的形变结果作为对轮廓新位置的预测,基于左心室外轮廓形状的先验知识对预测的结果进行校正,使得Snake的形变由预测、校正两步来完成。实验结果表明,这种预测-校正两步形变Snake模型对心脏mr图像在心室外轮廓分割有较好的效果。

关键词：心脏疾病心脏mr图像左心室 Snake模型医学图像分析

基于全卷积神经网络的心脏mr图像左心室分割及其后处理研究

在线全文

学校读者我要写书评

暂无评论

基于全卷积神经网络的心脏MR图像左心室分割及其后处理研究

作者：谢文鑫南京邮电大学

学位级别：硕士

随着医学影像技术的发展,基于心脏mr（Magnetic Resonance,mr）图像左心室分割的心脏功能参数估算,对于诊断和治疗相关疾病有着重大的意义。传统的左心室分割方法存在分割准确率低或无法实现全自动分割等缺点,随着深度学习的发展,特别... 详细信息

随着医学影像技术的发展,基于心脏mr（Magnetic Resonance,mr）图像左心室分割的心脏功能参数估算,对于诊断和治疗相关疾病有着重大的意义。传统的左心室分割方法存在分割准确率低或无法实现全自动分割等缺点,随着深度学习的发展,特别是全卷积神经网络在医学图像分割上的应用,心脏mr图像左心室分割的准确率也得到了大幅度的提高,并且实现了全自动分割。本文研究了基于全卷积神经网络的心脏mr图像左心室分割方法,并且针对全卷积神经网络分割结果的缺陷,提出了其快速后处理方法,论文的主要工作如下:（1）研究并分析了U-net网络在心脏mr图像左心室分割上的表现。介绍了U-net网络的结构和特点,尝试在U-net网络中加入批量归一化算法并采用基于Dice系数的损失函数对U-net网络进行训练。随后介绍了公开的左心室分割数据集Sunnybrook数据集,将该数据集随机分为训练集、验证集和测试集作为本文的训练和测试数据。在实验结果中,U-net网络在测试集取得了0.892的Dice系数、0.893的召回率和0.921的准确率。（2）针对U-net网络在心脏mr图像左心室分割当中存在的不足,研究了改进的U-net网络。主要对以下这三个方面进行了改进:采用了多输入多输出的网络结构解决因最大池化造成的图像空间细节丢失的问题、在跳跃连接中添加了注意力模块抑制非左心室区域对分割结果造成的影响、训练网络时采用了基于Tversky系数的损失函数,解决左心室在心脏mr图像中占比较小的问题。通过实验分析了不同的改进方法对分割效果产生的影响,从测试集的分割效果上来看,改进的U-net网络相比于基于Dice系数损失函数训练的U-net网络,Dice系数提高了3.3%,Recall值提高了4.8%。（3）由于U-net网络输出的是每个像素点属于左心室的概率,需要对概率值进行二值化,常见的二值化的方法是直接将0.5作为左心室和非左心室的阈值对输出的概率图进行二值化,这样的处理方式将导致有些分割结果的边缘不光滑或出现噪声点。针对这一问题,提出结合图像形态学操作与图割算法的U-net网络分割结果快速后处理方法。利用图像形态学操作去掉U-net网络分割结果当中大部分不需要图割优化的区域,从而减少图割算法的运行时间。图割算法结合U-net网络的输出概率图和像素点邻域范围内的灰度特征,构造出能量函数,建立图模型,通过最大流/最小割算法求解出能量函数的最小值,并得到二值化的分割结果。相较于直接按照0.5的阈值对概率图进行二值化的方法,图割优化后的分割结果的边缘更加接近真实情况,具有较高的运算效率。

关键词：左心室分割心脏mr图像全卷积神经网络图割后处理

基于生成对抗网络的心脏mr图像左室心肌分割及后处理技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的心脏MR图像左室心肌分割及后处理技术研究

作者：苑金辉南京邮电大学

学位级别：硕士

随着医学影像技术的发展,基于心脏mr(Magnetic Resonance,mr)图像左心室分割的心脏功能参数估算,对于诊断和治疗相关疾病有着重大的意义。传统的左心室分割方法存在分割准确率低或无法实现全自动分割等缺点,随着人们对深度学习的深入研... 详细信息

随着医学影像技术的发展,基于心脏mr(Magnetic Resonance,mr)图像左心室分割的心脏功能参数估算,对于诊断和治疗相关疾病有着重大的意义。传统的左心室分割方法存在分割准确率低或无法实现全自动分割等缺点,随着人们对深度学习的深入研究,特别是卷积神经网络在医学图像分割上的应用,心脏mr图像左心室分割的准确率也得到了大幅度的提高,并且实现了全自动分割。本文研究了基于生成对抗网络的心脏mr图像左心室分割方法,并且针对生成对抗网络分割结果的缺陷,提出了快速后处理方法,论文的主要工作和创新点如下:(1)研究并分析了生成对抗网络在心脏mr图像左心室分割上的表现。介绍了生成对抗网络的结构和特点,尝试在生成对抗网络中加入注意力模块抑制非左心室区域对分割结果造成的影响,并采用多尺度判别网络对生成对抗网络进行训练,通过使用分层特征来捕捉像素之间的长距离和短距离空间关系。随后介绍了公开的左心室分割数据集,将该数据集随机分为训练集、验证集和测试集作为本文的训练和测试数据。在实验结果中,生成对抗网络在测试集内外膜分别取得了0.9312、0.9623的Dice系数、0.8866、0.9276的Jaccard系数和0.9260、0.9557的Sensitivity系数。(2)针对心脏mr图像左心室分割数据集不足的问题,采用了迁移学习的思想,并在训练过程中提出了逐层微调的策略。通过使用VGG16网络在自然图像上进行预训练,将预训练网络参数迁移到目标网络上进行二次训练,并根据源域和目标域的大小和相似程度选择对预训练网络进行逐层微调使网络自适应的调整网络参数,避免直接微调整个网络导致产生过大的计算量。通过实验分析了不同的改进方法对分割效果产生的影响,从测试集的分割效果上来看,生成对抗网络在测试集内外膜分别取得了0.9399、0.9697的Dice系数、0.8968、0.9415的Jaccard系数和0.9363、0.9686的Sensitivity系数。(3)针对在心室膜边缘较为模糊,生成对抗网络对边缘的输出结果分割较差的问题,提出了一种改进的基于双水平集的快速后处理算法。在使用传统水平集方法对左心室内外膜进行分割时,存在水平集函数演化不稳定、模糊边缘分割精度低和分割效率低等问题。本文提出新的距离规则化函数和各向异性梯度矢量流对水平集的能量函数进行改进,新的距离规则化函数可以更好的约束边缘正则性,能够很好的弥补生成对抗网络输出结果当中的缺陷,各向异性梯度矢量流使模型在边缘凹陷处也能有较好的分割精度,最后使用0水平集函数和k水平集函数分别向左心室内外膜演化。通过ROI提取,去掉了大部分生成对抗网络输出结果中不需要参与水平集优化的区域,极大提升了时间效率。实验表明生成对抗网络输出结果后处理后Dice系数、Jaccard系数和Sensitivity系数均获得提升。

关键词：左心室分割心脏mr图像生成对抗网络迁移学习水平集后处理

基于U-net网络的心脏mr图像分割及辅助诊断

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U-net网络的心脏MR图像分割及辅助诊断

作者：张博中南民族大学

学位级别：硕士

心血管疾病是主要的高致死率疾病之一,准确衡量患者心血管功能是否正常,有赖于对心血管结构的准确分割。心脏mrI是评估心血管系统结构和功能的重要工具。心脏mr图像存在噪声以及图像中心室周围密度接近组织的干扰,且组织边界较模糊等问... 详细信息

心血管疾病是主要的高致死率疾病之一,准确衡量患者心血管功能是否正常,有赖于对心血管结构的准确分割。心脏mrI是评估心血管系统结构和功能的重要工具。心脏mr图像存在噪声以及图像中心室周围密度接近组织的干扰,且组织边界较模糊等问题,精确地分割心室结构比较困难。在实际临床应用中,分割任务主要依靠医生进行手动分割,但手动分割需要耗费大量时间和精力,且十分依赖医生的知识和经验。传统图像分割方法分割准确度较低且计算量大,分割精度低于手动分割。本文提出将改进的U-net网络自动分割心脏mr图像中的左心室、右心室、心肌,克服手动和传统分割方法存在的局限与不足。本文主要研究内容如下,提出将改进的U-net网络同时精确地分割心脏图像中左、右心室、心肌。首先对原始图像作双边滤波预处理,训练网络在下采样与上采样路径中加入批归一化层,保持每层网络大小与维度一致,使用较高学习率训练网络,提高网络训练速度,加速网络的收敛。结合交叉熵损失函数与Dice损失函数的组合加权损失函数加入改进的网络,用于提高网络的分割精度。改进神经网络的训练过程,寻求最优的训练模型。本文所使用的数据集是来自MICCAI2017的ACDC数据库,该数据集包括150个病人病例样本,按照病例特征平均分为5组,分别是伴有梗塞心力衰竭、肥厚型心肌病、扩张型心肌病、右心室异常和一组正常组。实验结果表明,基于改进的U-net网络分割结果的平均Dice系数为91%,Hausdorff距离为9.87mm,ASSD距离为0.67mm。该方法能实现较好的分割精度,左心室与心肌的分割结果优于右心室。通过基于改进的U-net网络分割得到的心脏图像结果,计算其左右心室舒张末期与收缩末期体积等12个生理参数特征并结合患者个人信息的2个特征,使用基于SVM方法实现心脏病的分类,该方法心脏病分类的灵敏度为93%,其方法原理简单,分类效果较好。

关键词：心脏mr图像图像分割批归一化层损失函数

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2D深度学习网络的全心脏mr图像分割

中南民族大学学报（自然科学版） 2020年第4期39卷 376-382页

作者：张博谢勤岚中南民族大学生物医学工程学院武汉430074

传统机器学习方法在心脏mr图像分割中存在分割精度较差、计算复杂度高,特别是难以同时分割左、右心室及心肌等问题.提出了将改进的全卷积神经网络自动分割方法用于心脏mr图像分割.在训练网络下采样与上采样路径中加入批归一化层,保持每... 详细信息

传统机器学习方法在心脏mr图像分割中存在分割精度较差、计算复杂度高,特别是难以同时分割左、右心室及心肌等问题.提出了将改进的全卷积神经网络自动分割方法用于心脏mr图像分割.在训练网络下采样与上采样路径中加入批归一化层,保持每层网络大小与维度一致,使用较高学习率训练网络,加速收敛,降低过拟合.结合像素交叉熵损失函数与Dice损失函数作为新的组合加权损失函数,提高分割精度.实验结果表明,能实现较好的分割精度和计算复杂度,且能同时分割出心脏图像中的左、右心室和心肌.

关键词：心脏mr图像图像分割全卷积神经网络批归一化层损失函数

在线全文

学校读者我要写书评

暂无评论

利用知识库实现对心脏mr图像的自动分割

第一军医大学学报 2001年第11期21卷 822-824页

作者：林亚忠陈武凡陈明冯前进第一军医大学生物医学工程系广东广州510515

目的研究如何实现对心脏ＭＲ图像的自动化分割问题。方法　通过对图像特征参数的训练，从而有效提取和利用先验知识。结果　实现对心脏ＭＲ图像的自动化分割。结论　通过提取和利用心脏ＭＲ图像的先验知识，能够很好地实现心脏分割... 详细信息

目的研究如何实现对心脏ＭＲ图像的自动化分割问题。方法　通过对图像特征参数的训练，从而有效提取和利用先验知识。结果　实现对心脏ＭＲ图像的自动化分割。结论　通过提取和利用心脏ＭＲ图像的先验知识，能够很好地实现心脏分割算法的自动化。

关键词：心脏mr图像知识库自动分割

心脏mr序列图像感兴趣区的自动检测与基于Gibbs随机场的分割研究

在线全文

学校读者我要写书评

暂无评论

心脏MR序列图像感兴趣区的自动检测与基于Gibbs随机场的分割研究

作者：林亚忠第一军医大学

学位级别：硕士

图像分割是实现从一般图像处理到图像分析的关键步骤。它被广泛地运用于图像识别、图像配准、图像编码等研究领域之中。近些年来有关图像分割方法的研究不断推陈出新，但均存在如下一个问题：由于对图像数据先验知识的分析不够... 详细信息

图像分割是实现从一般图像处理到图像分析的关键步骤。它被广泛地运用于图像识别、图像配准、图像编码等研究领域之中。近些年来有关图像分割方法的研究不断推陈出新，但均存在如下一个问题：由于对图像数据先验知识的分析不够深入，导致对图像空间分布信息的利用不足，使得难以实现自动化分割或者自动化分割的结果不够理想。为此，本文分别就图像感兴趣区与纹理特征的分割进行专门的研究并提出如下的改进： 1、在传统的mr心脏图像分割过程中，需要在每次分割时多次选择阈值才能得到比较好的分割效果。本文通过训练图像的特征阈值，提出一种有效提取和利用先验知识的方法，很好地实现了心脏分割的自动化;2、在解决多纹理图像的无监督分割中，本文在传统的最大似然标记和最大后验估计的基础上，利用Gibbs随机场作为先验知识模型，实现对多纹理图像的分割，达到了与传统的已知参数模型分割相近的分割效果。本文通过大量的实验验证了方法的有效性。综上所述，本文在对图像先验知识和空间分布信息的建立和应用方面做了较深入和系统地研究，提出了有效的改进算法。

关键词：图像分割心脏mr图像自动检测 Gibbs随机场 Snake 算法先验知识模型知识库