检索结果-南通市图书馆

基于多尺度特征和注意力机制的超声甲状腺结节分割研究

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征和注意力机制的超声甲状腺结节分割研究

作者：张宇楠重庆师范大学

学位级别：硕士

甲状腺结节的发病率逐年升高,它严重危害人体的健康。超声成像是人们进行甲状腺结节筛查与诊断的重要手段。传统方法主要依赖医生凭经验进行主观诊断,对临床知识要求很高,存在误诊和漏诊风险。随着计算机技术的不断发展,融合人工智能的... 详细信息

甲状腺结节的发病率逐年升高,它严重危害人体的健康。超声成像是人们进行甲状腺结节筛查与诊断的重要手段。传统方法主要依赖医生凭经验进行主观诊断,对临床知识要求很高,存在误诊和漏诊风险。随着计算机技术的不断发展,融合人工智能的计算机辅助诊断(Computer Aided Diagnosis,CAD)已成为当前研究热点,而医学图像分割是进行CAD诊断的前提和基础。甲状腺结节分割的准确性受限于超声图像质量等多种因素影响,经典深度学习算法在甲状腺结节分割任务上存在小病灶区域分割不精细以及边缘分割模糊等问题,难以准确地为医生提供辅助诊断,因此,研究超声甲状腺结节高效精确语义分割方法具有重要意义。本文主要研究工作如下:(1)针对甲状腺结节超声图像不同组织间对比度低、边缘模糊、形态不一等导致小病灶区域分割困难,出现过度分割或欠分割等问题,提出了基于多尺度特征融合的甲状腺结节超声图像语义分割方法。算法模型选择U-Net为网络基准模型,首先采用多层卷积神经网络对甲状腺结节图像进行特征提取,下采样使用卷积代替池化以防止细节信息丢失;接着采用不同空洞率的深度可分离空洞卷积构建多尺度特征提取模块,并将不同大小感受野的特征图进行堆叠,获取更多的上下文信息;最后针对甲状腺结节数据不平衡的问题设计了综合损失函数,避免样本不平衡对分割性能的影响。通过实验,本研究方法F1分值达到91.0%,精确率达到89.2%,分割效果得到了有效提升。(2)针对甲状腺结节超声图像存在较强的斑点噪声和灰度不均匀,导致在分割时出现边缘信息缺失问题,本文提出了基于注意力机制的甲状腺结节超声图像语义分割方法。考虑到结节边缘的信息会随着卷积层的加深而减少,位置信息也会丢失,本文在基于多尺度特征的算法模型中引入注意力模块,将位置信息嵌入到通道注意力中实现模型对甲状腺结节区域的定位,同时减少背景信息的干扰,使模型能够更加关注边缘区域,提高模型识别结节边缘能力。通过实验对比分析,本研究提出的模型F1分值达到91.6%,精确率达到92.8%,较基于多尺度特征的算法模型分别提高了0.6%和3.6%,分割图中边缘信息得到了明显优化。

关键词：甲状腺结节分割超声图像深度学习多尺度特征注意力机制

基于分割对抗网络的超声甲状腺结节分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分割对抗网络的超声甲状腺结节分割方法研究

作者：吴俊霞太原理工大学

学位级别：硕士

甲状腺结节作为内分泌系统的一种常见疾病,患病率高达32.4%,且有高达5%～10%转为恶性结节的概率,对人类身体健康构成严重威胁。近年来,医学影像技术飞速发展,临床检出率约为20%～70%,越来越多的小结节在超声诊断仪器下显现出来,这就意... 详细信息

甲状腺结节作为内分泌系统的一种常见疾病,患病率高达32.4%,且有高达5%～10%转为恶性结节的概率,对人类身体健康构成严重威胁。近年来,医学影像技术飞速发展,临床检出率约为20%～70%,越来越多的小结节在超声诊断仪器下显现出来,这就意味着患者可以及时的发现和治疗,这对于患者疾病治愈率的提高意义重大。为了解决医生手工分割结节区域工作量大、耗费时间长、带有主观意念、漏诊误诊、标准不一等问题,基于超声图像的计算机辅助诊断技术在临床医学中迅速推广开来。近年来,人工智能技术在医学影像学方面有了深入地研究进展并逐渐成为行业热点,医学图像分割就是其中之一。因此,开发出健壮的超声甲状腺结节分割系统具有很重要的临床意义,本文基于分割对抗网络实现对超声甲状腺结节区域的分割。本研究深入分析了甲状腺结节分割的技术现状,以超声图像作为主要研究对象开展研究。（1）针对超声甲状腺图像分辨率低,对比度低,结节形状大小不一带来的分割准确率低、边缘信息缺失等问题,提出了基于联合上采样的超声甲状腺结节分割方法。该方法输入原始ROI图像,通过学习健康和不健康的甲状腺组织如灰度、边缘、形状、纹理等的内在特征,实现结节区域的分割。首先,使用多层卷积神经网络提取甲状腺结节特征。其次,设计使用了一种多扩张率卷积块对目标区域进行精准定位,在相同计算成本的前提下,融合不同采样系数下扩张卷积的上下文信息,捕捉更大范围的依赖关系。最后,使用跳跃连接将网络浅层特征和深层特征进行融合。实验结果表明,本研究方法获得了93.19%的像素准确率,dice系数值0.8558,jaccard距离值为0.0824,达到了不错的分割结果。（2）针对现有甲状腺结节分割网络模型普遍存在结节区域分割不准确的问题,往往会过分细化或粗化结节边缘信息。在需要定量计算结节大小时,过分割或欠分割现象在医生诊断过程中都是非常不利的。为获取更为鲁棒的模型,同时提升分割准确率。在基于联合上采样的超声甲状腺结节分割方法的研究基础上,本研究引入一种对抗训练,提出了一种基于条件分割对抗网络的超声甲状腺结节分割方法用以实现甲状腺结节区域更为准确的分割。本研究模型由分割器网络和判别器网络两个部分组成,其中分割器网络设计使用基于联合上采样的方法进行分割,通过网络学习提取结节深度和浅层特征信息,获得结节区域二值掩膜;判别器网络对比分割结果与金标准之间的差距对分割结果进行评估。通过多次对抗训练,实验结果表明,本研究分割网络模型像素精度达到95.31%,dice系数值为0.8994,jaccard距离值为0.0687,相较联合上采样的分割网络,性能有所提升,可以更加准确的对超声甲状腺结节区域进行分割,也为后续的研究提供了较为坚实的基础。

关键词：分割对抗网络甲状腺结节分割扩张卷积超声图像联合上采样对抗训练

基于迁移学习的甲状腺结节超声影像分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迁移学习的甲状腺结节超声影像分割方法研究

作者：鄢持璠北京化工大学

学位级别：硕士

灰阶超声和弹性超声是临床上常用的甲状腺检查手段,在甲状腺疾病的诊断中发挥着重要的作用。甲状腺结节超声影像分割能够获取甲状腺结节在影像中的位置及边缘信息,已成为辅助医生临床诊断的关键技术之一。基于深度学习的甲状腺结节超声... 详细信息

灰阶超声和弹性超声是临床上常用的甲状腺检查手段,在甲状腺疾病的诊断中发挥着重要的作用。甲状腺结节超声影像分割能够获取甲状腺结节在影像中的位置及边缘信息,已成为辅助医生临床诊断的关键技术之一。基于深度学习的甲状腺结节超声影像智能分割方法,在临床超声数据的驱动下,凭借强大的语义特征表示信息表征能力,能够实现对甲状腺结节边缘和区域的精确分割,为智能辅助诊断系统准确识别结节形态边界和病情分析提供有力支持。然而,现有的甲状腺结节超声影像分割方法仅考虑甲状腺结节超声影像的局部特征,忽略了超声影像中的长距离依赖信息,影响了甲状腺结节的分割精度;由于弹性超声影像成像机制复杂、标注成本高、数据量少等,使得甲状腺结节分割模型难以学习到结节的边缘和位置信息,导致甲状腺结节弹性超声影像分割精度较低。因此,研究基于迁移学习的甲状腺结节弹性超声影像分割方法,提高弹性超声影像中结节的分割精度,获得准确的甲状腺结节边缘和位置信息,对于智能辅助诊断甲状腺结节的良恶性及临床应用具有重要的理论意义和应用价值。针对灰阶超声影像分割中局部特征与长距离依赖信息难以同时获取的问题,提出一种基于多尺度大核注意力机制的甲状腺结节灰阶超声影像分割方法,采用大核注意力处理不同层级特征信息,构建了多尺度大核注意力模块,设计Dice损失函数与二元交叉熵损失函数的联合优化策略,实现甲状腺结节灰阶超声影像精准分割。该方法通过扩大特征提取感受野以提高全局信息获取能力,融合局部特征和长距离依赖信息,减少特征信息丢失,提高分割准确率。针对甲状腺结节弹性超声影像分割精度低的问题,提出一种基于迁移学习的甲状腺结节弹性超声影像分割方法,设计跨模态特征分布对齐网络,降低不同模态超声的领域差异,采用权值共享策略,构建基于迁移学习的甲状腺结节弹性超声影像分割模型,实现甲状腺结节弹性超声影像的精准分割。采用临床甲状腺结节超声影像数据集实验,实验结果表明所提基于多尺度大核注意力机制的甲状腺结节灰阶超声影像分割方法有效解决了局部特征和长距离依赖信息同时捕获的问题,提高了甲状腺结节灰阶超声影像分割的精度;基于迁移学习的甲状腺结节弹性超声影像分割方法有效实现灰阶超声和弹性超声间的特征分布对齐,较其他方法在分割指标Dice系数、IOU、Recall和Precision上均有所提高,实现了甲状腺结节弹性超声影像的精准分割。

关键词：甲状腺结节分割多尺度大核注意力机制弹性超声影像迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

甲状腺结节超声图像分割算法研究

电视技术 2016年第8期40卷 26-30,56页

作者：王昕徐文杰长春工业大学计算机科学与工程学院吉林长春130012

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割... 详细信息

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法。用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定。同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间。仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域。

关键词：甲状腺结节分割空间约束聚类局部拟合模型高斯正则化

基于深度学习的甲状腺结节检测及分割方法研究

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

基于深度学习的甲状腺结节检测及分割方法研究

作者：张新琳哈尔滨工业大学

学位级别：硕士

甲状腺是通过分泌甲状腺激素来影响人体新陈代谢等功能的一个内分泌器官,甲状腺结节被认为是甲状腺异常的一种主要临床表征。恶性结节会使得甲状腺激素分泌异常进而对人身体健康产生消极影响,随着超声诊断技术的发展,越来越多的结节会... 详细信息

甲状腺是通过分泌甲状腺激素来影响人体新陈代谢等功能的一个内分泌器官,甲状腺结节被认为是甲状腺异常的一种主要临床表征。恶性结节会使得甲状腺激素分泌异常进而对人身体健康产生消极影响,随着超声诊断技术的发展,越来越多的结节会被检出,但超声图像本身具有受噪声影响大、成像质量差等特点,再加上结节区域与正常组织区域又具有对比度低、边界模糊、形状大小变化不一等特点,这都加大了阅片医生的诊断难度,而一旦误诊或漏诊都会产生严重的后果。卷积神经网络在图像处理领域不断被深入研究和应用,在医学图像辅助诊断的需求增长的情况下,通过多层卷积神经网络对医学图像特征进行提取和学习给出相应的诊断预测结果用以帮助阅片医生快速准确的定位疾病和辅助医生制定治疗方案的深度学习算法应用而生。因此,本文使用深度学习算法对甲状腺超声图像中的甲状腺结节进行检测和分割。针对甲状腺结节检测问题,本文针对甲状腺超声图像的成像特点使用Cascade R-CNN对甲状腺结节进行检测,为了提升检测效果本文在该网络的基础上对其进行了改进。本文提出的方法使用深度残差网络与特征金字塔网络相结合用于提取多尺度特征对形状大小多变的结节进行检测。为了让网络在特征学习的过程中能获得更多的结节信息,本文在骨干网络中插入了一个非局部块来增加网络学习过程中的全局信息为后面的特征提取层添加更多的语义信息。为了提高模型对目标的定位精度和加速网络的收敛,本文使用K-means聚类算法对甲状腺图像中的结节大小进行聚类得到适用于本文的锚框大小。接着对后处理算法进行改进对结节的检测边框进行进一步的调整提升模型对结节的检测能力。实验结果表明本文提出的方法在甲状腺结节检测上具有较好的检测性能。针对甲状腺结节分割问题,本文基于U-Net和目标检测的结果对甲状腺结节分割进行了研究,为了提升模型的分割能力,本文引入了注意力门模块和批归一化并对损失函数进行改进用于提升模型对甲状腺结节的分割能力,最后为了获得更精细的分割结果,本文在研究中将检测出的结节裁剪后再进行分割,通过实验分析和对比证明了本文的方法可以提升分割精度。

关键词：甲状腺结节检测甲状腺结节分割卷积神经网络

基于超声图像的甲状腺和结节的自动分割与三维重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超声图像的甲状腺和结节的自动分割与三维重建

作者：陈乐瑶华东师范大学

学位级别：硕士

超声成像技术具有实时成像、价格低廉、非侵入性、非放射性等特点,在甲状腺疾病的诊断中是最常用的方法。甲状腺结节可被诊断为良性和恶性,恶性甲状腺结节需要通过手术切除的方式来治疗。由于2D超声成像技术呈现的超声横切视频和超声纵... 详细信息

超声成像技术具有实时成像、价格低廉、非侵入性、非放射性等特点,在甲状腺疾病的诊断中是最常用的方法。甲状腺结节可被诊断为良性和恶性,恶性甲状腺结节需要通过手术切除的方式来治疗。由于2D超声成像技术呈现的超声横切视频和超声纵切视频无法从3D层面上直观显示出甲状腺结节在甲状腺中的实际大小和位置,因此导致在手术中一些小的甲状腺结节被遗漏,或者外科医生切除过多的组织,从而对病人造成额外伤害。同时在甲状腺结节的计算机辅助诊断系统(CAD)中,基于神经网络的甲状腺结节的自动检测和分割技术是CAD的关键步骤,并且可以有效减少临床医生手工标注数据的工作量。因此,本文设计了基于时空编码器的甲状腺分割网络BC-UNet,以及基于多尺度特征融合的甲状腺结节检测和分割网络MTN-Net,并基于甲状腺分割结果和甲状腺结节分割结果,采用Marching Cubes算法实现了甲状腺和甲状腺结节的三维重建。最后,本文开发了一个基于甲状腺诊疗超声视频的三维重建系统,该系统可以为外科医生的手术提供有价值的辅助信息。具体研究内容如下:(1)为了准确分割出超声视频中甲状腺头侧和尾侧的横切面,本文设计了基于时空编码器的甲状腺分割网络BC-UNet。超声横切视频是由甲状腺的横切面图像序列构成,由于甲状腺的头侧和尾侧较小,因此超声横切视频中的甲状腺横切面呈现出由小变大,再变小的形态。同时在甲状腺横切面较小时,神经网络难以准确分割出甲状腺。为了解决上述问题,本文设计了 BC-UNet,它由时间编码器和空间编码器组成。其中空间编码器用于完成每一帧的甲状腺横切面的分割,本文在UNet网络中嵌入了 ASPP模块,它能够使网络获取到甲状腺的多尺度特征,从而使网络能够识别到小的甲状腺横切面。而时间编码器由BiConvLSTM构成,该模块可以结合视频的上下文信息,从而使网络实现对甲状腺的准确分割。(2)为了准确检测和分割出超声图像中的甲状腺结节,本文设计了基于多尺度特征融合的甲状腺结节检测和分割网络MTN-Net。超声图像中的甲状腺结节的大小和形状差异巨大,并且和周围的组织或器官的外观十分相似,这导致神经网络难以识别到具有极端尺寸的甲状腺结节,难以准确分割出有内部纹理的甲状腺结节、边界模糊的甲状腺结节。为了解决这些问题,本文设计了基于多尺度特征融合的甲状腺结节检测和分割网络MTN-Net,其中采用的Trident Block可以充分获取甲状腺结节的多尺度特征,从而使网络能够识别到不同大小的甲状腺结节。同时本文提出了一个TN-NMS算法用于合并多分支的检测结果,它可以有效抑制误检测的内部甲状腺结节。最后本文在检测网络中嵌入了一个语义分割分支,该分支可以基于检测结果实现对甲状腺结节的分割。(3)基于上述的研究内容,本文实现了甲状腺和甲状腺结节的三维重建算法,并完成了三维重建系统的开发。基于甲状腺和甲状腺结节的分割结果,本文采用了Marching Cubes算法实现了甲状腺和甲状腺结节的三维重建。并且本文实现了基于甲状腺诊疗超声视频的三维重建系统,该系统具有超声视频读取、甲状腺分割、甲状腺结节分割、三维重建等功能,医生可以通过旋转甲状腺和甲状腺结节的三维模型获取更多信息,同时可以保存渲染完成的三维模型到本地,之后可再次查看该三维模型。本文提出的甲状腺分割网络BC-UNet在31个甲状腺超声横切视频上进行训练、验证和测试,实验表明本文方法在甲状腺视频分割任务中Dice系数达到了0.823,IoU达到了 0.689,和其他模型相比BC-UNet效果更好,这证明了 BC-UNet在甲状腺视频分割任务上的有效性。同时本文提出的甲状腺结节检测和分割网络MTN-Net在具有3493张超声图像的公开数据集TN3K和具有347张超声图像的公开数据集DDTI上进行了训练、验证和测试,实验表明MTN-Net在甲状腺结节检测任务中AP达到了 55.2%,在甲状腺分割任务中AP达到了 56.8%,和其他模型相比,MTN-Net在AP、AP50、APM、APL上效果最好,这证明了 MTN-Net在超声图像中甲状腺结节检测和分割任务上的有效性。

关键词：甲状腺分割甲状腺结节分割 BiConvLSTM 多尺度特征融合三维重建