检索结果-南通市图书馆

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

肝脏CT图像病变检测与识别应用研究

肝脏CT图像病变检测与识别应用研究

作者：武海涛浙江大学

学位级别：硕士

随着医学成像技术的发展和成熟,医学影像在肝脏疾病诊断中的起到了重要的作用。目前,肝癌已经成为世界上致死率最高的疾病之一,因为治疗手段的缺乏以及早期肝癌病理指标不太明显,导致可能会造成误诊,从而错过了最佳的治疗时间。肝癌的... 详细信息

随着医学成像技术的发展和成熟,医学影像在肝脏疾病诊断中的起到了重要的作用。目前,肝癌已经成为世界上致死率最高的疾病之一,因为治疗手段的缺乏以及早期肝癌病理指标不太明显,导致可能会造成误诊,从而错过了最佳的治疗时间。肝癌的确诊主要依赖肝脏穿刺活检技术,但该技术对患者肝脏会造成一定的损伤,加之实施难度比高、术后恢复慢,因此,目前对于肝脏疾病的诊断主要还是依赖于医学影像,如肝脏CT。本论文对于肝脏CT图像病变检测与局部病变识别展开了研究,首先针对肝脏CT图像受其他器官组织影响比较大无法实现肝脏CT图像病变自动检测的问题,提出了基于肝脏区域分割结合局部特征提取的肝脏病变检测方法,采用形态学方法将肝脏区域从肝脏CT图像中分离出来,并提取肝脏区域图像灰度纹理特征建立随机森林算法分类模型,实现了批量肝脏CT图像异常CT切片检出;然后针对肝脏CT图像局部病变识别的不足,提出了基于感兴趣ROI提取和随机森林局部病变特征识别的改进方法,采用特征选择精简特征的方法优化了算法运行时间,采用决策树均衡选择的方法改进了算法识别准确率,并通过仿真验证了结果的有效性。在理论研究和仿真的基础上,本论文进一步设计实现了肝脏CT图像病变检测和局部病变识别系统,并针对算法运行效率的问题,在Spark计算框架上实现了随机森林算法应用优化,极大地提高了算法运行效率。

关键词：肝脏CT 特征提取病变检测局部病变识别随机森林

基于改进Faster R-CNN的多部位病变检测系统设计与实现

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Faster R-CNN的多部位病变检测系统设计与实现

作者：吴昊桂林理工大学

学位级别：硕士

高清晰度的医学CT(Computed Tomography)在临床医疗诊断中发挥着关键作用。医生可以通过CT图像对患者做出病情诊断并给出治疗方案。在目前的计算机辅助诊断系统中,现有检测功能只针对一种特定部位进行病变检测。然而,在实际的临床诊断... 详细信息

高清晰度的医学CT(Computed Tomography)在临床医疗诊断中发挥着关键作用。医生可以通过CT图像对患者做出病情诊断并给出治疗方案。在目前的计算机辅助诊断系统中,现有检测功能只针对一种特定部位进行病变检测。然而,在实际的临床诊断中会发现,许多病变其实是相关的。单一部位的检测不利于医生对病情做出全面诊断。多部位的病变检测可以更早的发现病变转移并进行治疗,同时可以挖掘不同病变之间存在的关系。本文针对目前单一部位病变检测在医学诊断中的局限性,建立了一个基于改进Faster R-CNN的多部位病变检测系统。该系统能够对多个部位的CT图像进行病变检测,取得了较好的检测效果。此外,在该系统中医生和管理员能够对病人就诊信息和医生个人信息进行管理,方便医生在临床诊断中使用该系统。本文具体工作如下:(1)对数据集中的CT图像进行预处理,包括图像降噪与图像增强。对不同的降噪方法与增强方法进行分析对比,最后确定采用维纳滤波和小波变换对图像进行预处理。(2)采用改进后的Faster R-CNN网络对预处理后的CT图像进行模型训练。首先,对VGG16特征提取网络进行改进,用于增强特征图的分辨率并增加病变区域的采样率。其次,根据数据集中不同病变框的大小重新设计区域建议网络中的锚框,特征图经过区域建议网络得到候选建议区域。最后,经过池化层和全连接层得到最终预测结果。针对实验中传统非极大值抑制算法出现相邻病变区域漏检的情况,本文引入高斯加权罚函数进行改进,取得了较好的改进效果。(3)使用FROC曲线对改进后的检测模型进行评价。实验结果显示,当平均每幅图像的假阳性区域个数一定时,改进后的模型检测灵敏度优于原始模型,能够检测出更多真实病变区域。使用改进后的检测模型对多个部位CT图像进行病变检测,实验结果显示该网络模型能够较好的检测多个部位CT图像中的病变。(4)基于改进Faster R-CNN的多部位病变检测模型,使用Python中的Django框架建立多部位病变检测系统。系统前端采用Bootstrap框架,使用jQuery插件进行页面布局。系统包含三个功能模块,分别是登陆模块、检测模块和管理模块。该系统能够在临床中辅助医生进行多部位病变诊断并对患者就诊信息进行管理。

关键词： CT图像 Faster R-CNN 区域建议网络病变检测 Django

融合深度卷积网络和特征金字塔网络的多病变检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合深度卷积网络和特征金字塔网络的多病变检测

作者：黎生丹云南大学

学位级别：硕士

人工检测CT图像的病变,不仅耗时费力而且耽误治疗方案的及时提出。计算机辅助检测系统提供参考的病变预测结果,能高效地辅助医生诊断病情。然而,采用单一病变类别的医学影像数据集,将制约相关的检测系统无法精确地检测其他病变,不利于... 详细信息

人工检测CT图像的病变,不仅耗时费力而且耽误治疗方案的及时提出。计算机辅助检测系统提供参考的病变预测结果,能高效地辅助医生诊断病情。然而,采用单一病变类别的医学影像数据集,将制约相关的检测系统无法精确地检测其他病变,不利于提供全面的检测结果。本文针对DeepLesion—多病变CT图像数据集,设计融合深度卷积神经网络和特征金字塔网络的模型,实现对多部位病灶的病变检测任务。本文的主要工作如下:通过结合不同特征提取网络和级联结构的模型,在DeepLesion数据集下研究取得最佳性能的网络,并最终采用以Mask RCNN为框架,融合密集连接网络（Dense Net）和双向特征金字塔网络（Bi FPN）的模型,该模型主要分为两部分。1、骨干网。模型采用DenseNet-121为骨干网,并对结构进行精简调整;为提取和利用CT图像中的3D空间信息,将融合多张相邻切片与中央切片的CT切片组作为输入,并通过结合压缩奖惩模块的特征融合算法,在骨干网中实现切片的加权融合,进而加强或者削弱相邻切片对融合切片的影响,提高检测识别精度;模型还结合Bi FPN网络作为多尺度特征提取网络,实现多维度特征的加权融合,提升特征融合效果,同时相应地简化该网络来解决裁剪图像导致的维度不匹配问题;2、检测与分割分支。模型引入多阶段级联检测器结构,利用多阈值级联检测器使候选样本更接近真实标签,并且对样本分布重采样,加大检测器的训练强度,之后提取高质量的候选样本用于检测分支与分割分支的位置编码和区域分割。在DeepLesion测试集上,本文模型在去除分割任务后取得85.61%的最高检测精度,而级联三阶段的模型,分割预测结果与真实标签的端点距离取得最小误差1.15mm和最小直径误差1.57mm,分割性能比以往网络具有更优秀的性能表现。因此,本文提出的模型能胜任辅助医生检测多病变CT图像中疑似病变的工作。

关键词：深度卷积网络病变检测特征融合压缩奖惩模块 CT图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

糖尿病视网膜病变检测

糖尿病视网膜病变检测

作者：马群哈尔滨理工大学

学位级别：硕士

在现代人们生活中,糖尿病作为一种代谢性疾病已经越来越受到人们的重视,其中,视网膜病变是糖尿病的主要并发症之一。提早对糖尿病患者进行视网膜病变检测,有助医生及早的发现病情,以针对病情进行及早的治疗。但是由于诊断过程的复杂性,... 详细信息

在现代人们生活中,糖尿病作为一种代谢性疾病已经越来越受到人们的重视,其中,视网膜病变是糖尿病的主要并发症之一。提早对糖尿病患者进行视网膜病变检测,有助医生及早的发现病情,以针对病情进行及早的治疗。但是由于诊断过程的复杂性,医生人力的有限,无法迅速对患者的视网膜情况进行诊断,所以需要建立一种客观的方法,来实现对糖尿病患者视网膜情况的快速诊断。糖尿病主要通过影响视网膜中的血管来对整个视网膜造成病变,随着视网膜血管内血糖含量、粘稠度的改变,血管半径、曲率、及分叉角度都会发生改变。依据病变图像中,血管各种特性的改变,以及各种病变分泌物对视网膜图像颜色的改变,通过提取视网膜图像的纹理特征和视网膜图像的颜色特征作为糖尿病视网膜病变检测的主要特征。本文通过一系列的预处理技术使得视网膜图像中血管与背景的对比度得到了极大的提高。采用掩膜处理技术、直方图均衡化、均值滤波、图像差分对图像进行预处理,预处理后的图像采用最佳阈值分割法、最大熵法、最大类间方差法,分别进行图像分割,然后对图像进行形态学处理,最终的图像能够清楚的显示出血管的分布情况。本文采用支持向量机对视网膜图像进行病变检测,采用灰度共生矩阵对三种不同图像分割方法后得到视网膜图像进行纹理特征提取,在实验阶段,采用纹理特征和颜色特征的综合特征进行训练,为克服传统的支持向量机由于参数选择不合适导致识别率低的问题。本文采用粒子群算法对支持向量机中的惩罚系数和高斯核函数的核参数进行优化,提高了算法对于病变检测的准确率。

关键词：糖尿病视网膜支持向量机图像分割粒子群算法优化病变检测

基于双重机制与多模态的CT影像病变检测研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双重机制与多模态的CT影像病变检测研究与应用

作者：吴晶晶江苏大学

学位级别：硕士

在众多的目标检测算法中,深度学习可以有效地识别病变区域并提高其检测精度。当前,基于深度学习的目标检测算法只是从图像的角度对某一组织或器官进行检测,却忽略了各个相关部位之间在密度、亮度及纹理等特征上存在一定的关联,并且病变... 详细信息

在众多的目标检测算法中,深度学习可以有效地识别病变区域并提高其检测精度。当前,基于深度学习的目标检测算法只是从图像的角度对某一组织或器官进行检测,却忽略了各个相关部位之间在密度、亮度及纹理等特征上存在一定的关联,并且病变区域在各个阶段也存在较大的差异。因此,本文采用双重机制提高算法对于病变区域的特征提取能力,并且运用多模态技术将图像信息与文本信息进行融合,设计基于双重机制与多模态的CT影像病变检测方法以及相应的病变检测系统。具体工作描述如下:1)为了有效提高病变检测过程中背景与病变区域的区分能力,提出一种基于双重机制特征提取的CT图像病变检测方法。首先,在传统YOLOv3网络中引入改进的注意力模块和全局上下文模块,提高网络对病变区域及背景区域区分能力。其次,在多尺度融合过程中,对低层的高分辨率特征图进行下采样,并与相对高一层次的特征图逐元素相加,充分利用高分辨率特征图中小病变信息。最后,在Deep Lesion公开数据集上与多个相关检测方法进行了实验对比。通过实验发现,该方法在病变检测任务上取得了良好的性能。2)为了充分地挖掘有效特征以及在病变检测过程中运用临床数据,提出一种结合特征组合模块的多模态肝脏病变检测方法。首先,在YOLOv3网络中添加特征组合模块提取病灶特征,充分利用病变区域的有效特征;然后,使用BERT网络对文本进行特征提取,并将提取到的文本特征信息与图像特征信息融合,辅助图像特征进行检测;最后,使用GIo U位置损失函数为本文数据集设置特定的锚框,提高定位准确度。实验表明,所提方法在肝脏病变检测方面取得了良好的效果。3)为了更好地辅助医生进行病变检测,设计并实现了一种多部位病变检测系统。该系统采用改进后的YOLOv3模型进行病变检测。整个系统包含登陆模块、检测模块和管理模块三个功能模块。该系统能够较好地满足医生的需求并且在多部位病变检测中具有较好的检测准确率。

关键词：医学图像深度学习病变检测特征提取 YOLOv3

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

糖网图像病变检测与分级技术研究

糖网图像病变检测与分级技术研究

作者：周宇电子科技大学

学位级别：硕士

糖尿病视网膜病变（diabetic retinopathy,DR）是糖尿病最主要的并发症之一,在早期发现DR并对其进行针对性治疗,对保护患者的视力极为重要。本文基于彩色眼底图像与荧光造影图像,对眼底图像的各类生理结构的分割与多类型DR病变的检测进... 详细信息

糖尿病视网膜病变（diabetic retinopathy,DR）是糖尿病最主要的并发症之一,在早期发现DR并对其进行针对性治疗,对保护患者的视力极为重要。本文基于彩色眼底图像与荧光造影图像,对眼底图像的各类生理结构的分割与多类型DR病变的检测进行了研究。实现病变的检测后,依据图像中出现病变的类型对DR进行分级,实现了高性能的DR病变检测与分级辅助诊断系统,主要研究内容如下。（1）采用了一种基于形态学的血管分割方法,并研究了血管特有的散度特征,对细小血管的分割进行了优化,实现了快速有效的血管分割。为进一步优化荧光造影图像的血管分割结果的连续性,提出了一种基于Radon变换的高连续性血管分割算法,利用重叠滑动窗口保证了血管的连续性,并基于线性结构不同角度的Radon变换峰值分布特性实现了子图血管的自适应阈值分割,在e-optha上达到了95.82%的准确率。此外,在视盘分割方面,采用了一种基于血管分割结果进行模板滤波的视盘定位方法,并利用SLIC超像素分割实现了对视盘的精细分割。（2）病变检测中,针对荧光造影图像,基于类圆形结构的Radon变换特性实现了微血管瘤的检测。此外,提出了一种基于SIFT和RANSAC算法对不同时刻的荧光造影图像进行配准,并通过荧光扩散差异检测新生血管的方法。针对彩色眼底图像,采用了基于数学形态学的渗出检测方法。为取得更好的检测效果,采用了基于马氏距离与局部线性回归的渗出检测方法,该算法具有更好的检测率。最后,基于SLIC超像素分割和特征差异实现了硬渗软渗分类方法。本文算法对各类病变都取得了较好的检测指标。（3）为进一步优化微血管瘤及新生血管的检测率,提出了两类图像的病变检测结果的联合分析方法。首先实现了两类图像的高精度配准,进而将荧光造影图像的病变检测结果映射到彩色眼底图像,依据红色分量强度对误检区域去除,优化了基于单类图像的检测率。此外,还利用新生血管的检测结果对微血管瘤的检测结果进行了进一步优化。应用了联合分析的图像平均查准率上升了3.42%,F-score值上升了0.90%。最终,基于检测结果中出现的病变类型对DR进行分级,实现了高性能的DR图像病变检测与分级系统。

关键词：糖尿病视网膜病变眼底图像荧光造影病变检测病情分级

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向胸部影像病变检测的域自适应研究

面向胸部影像病变检测的域自适应研究

作者：陈元姣杭州电子科技大学

学位级别：硕士

胸部X线检查是最常见的影像学检查方法之一,用于肺炎、结节性肿块、心脏病、肺结核等疾病的早期筛查。由于在门诊、体检中X胸部检查量急剧增多,资深医生由于阅片量过大,基层医生由于经验不足,均容易漏诊和误诊,从而延误患者治疗。因此,... 详细信息

胸部X线检查是最常见的影像学检查方法之一,用于肺炎、结节性肿块、心脏病、肺结核等疾病的早期筛查。由于在门诊、体检中X胸部检查量急剧增多,资深医生由于阅片量过大,基层医生由于经验不足,均容易漏诊和误诊,从而延误患者治疗。因此,胸部X影像自动病变检测技术受到研究者关注。在基于深度学习的胸部影像病变检测研究中,收集完整标注的胸部影像十分困难,并且医学图像的标注通常是昂贵且耗时的。特别是对于来自多个影像中心的图像数据的研究,样本数据可能来自多家医院的不同机器设备,由于扫描协议、拍摄参数和角度以及受试群体的差异,就会导致图像分布的迁移。围绕上述问题,本文开展的研究工作如下:(1)针对源域和目标域之间存在的数据分布差异,提出了一种联合Wasserstein距离和差异度量的X线胸片图像分类的领域自适应方法。采用多尺度特征提取器,提取数据样本的深层特征表示,并在挑选出与目标域最接近的源域样本的基础上,实现了跨域的同类相近和异类相疏。(2)针对域自适应模型在迁移学习过程中遗忘源域信息的问题,提出基于类决策边界的动态扩展网络。通过动态地扩展基于自编码器的网络结构,实现了对源域特征信息的保留和利用,并逐步适应目标域的数据分布。同时,挖掘出数据的内在结构,通过学习低密度区域来确定目标域的类决策边界,从而在远离数据密集区域的地方找到最佳决策边界,实现了更高的分类精度和更好的泛化性能。(3)针对胸部影像缺乏坐标信息,难以准确定位病变区域的问题,结合掩膜信息和注意力机制,采用弱监督学习的方法,实现对病变区域的定位。首先利用掩膜信息分割出胸部影像中的心脏和肺部,将模型的注意力集中在与心脏和肺部相关的区域,然后基于图像级标签训练分类模型,利用注意力机制在模型的感兴趣区域内进行细粒度的定位。

关键词：胸部X线病变检测域自适应类决策边界注意力机制

基于深度学习的ABVS图像病变检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的ABVS图像病变检测方法研究

作者：吴文北京交通大学

学位级别：硕士

乳腺癌是女性癌症死亡的重要原因之一,且其发病率呈逐年递增和年轻化的趋势。近年来,全自动乳腺容积扫描(Automated Breast Volume Scanner,ABVS)开始应用于临床,其在乳腺病变检出以及诊断中的应用逐渐受到关注。由于ABVS实现了连续横... 详细信息

乳腺癌是女性癌症死亡的重要原因之一,且其发病率呈逐年递增和年轻化的趋势。近年来,全自动乳腺容积扫描(Automated Breast Volume Scanner,ABVS)开始应用于临床,其在乳腺病变检出以及诊断中的应用逐渐受到关注。由于ABVS实现了连续横切面图像的采集,医生的阅片工作量较大,且基于主观分析的检测结果具有一定的个体差异。基于图像处理和模式识别方法的计算机辅助诊断系统有助于降低诊断成本、提高诊断效率以及客观性,具有重要的研究价值。目前基于ABVS图像的病变自动检测存在以下问题:(1)耦合剂不均匀产生的噪声以及脂肪组织均呈现低回声特性,且病变的形态、对比度具有较大的个体差异,使得正确识别乳腺病变存在一定难度;(2)现有的ABVS图像病变检测方法将每帧图像视为独立个体,忽略了ABVS图像的层间信息,导致相邻切片病变的位置差异较大,假阳性区域增多;(3)ABVS图像中病变的标注需要有经验的医生完成,繁重的标注工作加重了医生的负担。针对上述问题,本文对基于深度学习的ABVS图像病变检测方法进行了深入研究。论文主要工作及创新点具体如下:(1)针对病变区域难以识别以及假阳性区域偏多的问题,提出了基于Improved-YOLOv3与后处理算法的单帧ABVS图像病变检测方法。通过构建具有丰富语义信息以及高分辨率空间信息的病变掩码生成分支,设计了检测损失与病变分割损失联合优化的多任务学习网络Improved-YOLOv3,提高了网络对病变的检出能力。融合连续层检测结果,设计了检测结果再评分、三维容积生成以及假阳性去除的后处理算法,提高了病变位置在相邻帧的连续性并有效去除假阳性区域。实验结果表明,相比于YOLOv3网络,多任务学习Improved-YOLOv3网络结合后处理算法提升了病变检测的精度,并降低了假阳性率。(2)针对单帧ABVS图像检测方法忽略层间信息的问题,提出了SC-BLSTMYOLOv3网络实现端到端的连续帧病变检测。为在病变检测时融入层间信息,将双向长短时记忆模型(Bidirectional Long Short-Term Memory,BLSTM)结构嵌入YOLOv3检测网络。针对YOLOv3特征金字塔存在语义信息鸿沟的问题,将空间-通道(Spatial-Channel,SC)注意力机制与特征金字塔相结合。实验结果表明,融合层间信息与注意力机制的SC-BLSTM-YOLOv3网络具有更好的ABVS图像病变检测性能。(3)针对ABVS标记数据较难获得的问题,提出了基于自训练模型的半监督检测网络SSL-YOLOv3。为获得高质量伪标签,提出了利用验证集进行伪标签更新的策略。为增强半监督检测网络的鲁棒性,采用了适合目标检测任务的强数据扩增方法。实验结果表明,相比仅用有标注数据集训练得到的模型,半监督检测网络可充分利用大量无标注数据,获得更优的检测性能。

关键词：乳腺癌 ABVS 深度学习 YOLOv3 病变检测半监督学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CT造影图像的冠脉病变检测方法研究

基于CT造影图像的冠脉病变检测方法研究

作者：赵聪天津大学

学位级别：硕士

冠心病是世界上致死率最高的疾病之一,早发现、早治疗几乎是降低冠心病发病率和死亡率的唯一有效途径。现代CT技术以其亚毫米级的空间分辨率、卓越的图像质量和近乎无创的检查方法为冠心病的检查、表征和量化提供了基础和新思路。近年来... 详细信息

冠心病是世界上致死率最高的疾病之一,早发现、早治疗几乎是降低冠心病发病率和死亡率的唯一有效途径。现代CT技术以其亚毫米级的空间分辨率、卓越的图像质量和近乎无创的检查方法为冠心病的检查、表征和量化提供了基础和新思路。近年来,随着机器视觉技术的发展,冠心病计算机辅助诊断技术的研究对象逐渐由传统的冠脉造影转移到了冠脉CT造影。本文设计了一套基于CT造影图像的冠状动脉病变检测方法,主要包括冠脉钙化斑块分割与量化、冠脉病变截面检测等两部分内容。本文的主要工作可以概括如下:1、制定了基于冠脉CT造影图像的冠脉病变检测方案,包括冠脉钙化斑块分割与量化、冠脉病变截面检测等两部分内容。2、设计了一种基于CT造影图像的冠状动脉血管树提取方法,使用“层进式”策略完成了升主动脉分割,提出了基于Snake动态轮廓的冠脉开口识别,实现了基于区域生长的冠状动脉血管树分割,为冠脉钙化量化工作奠定了基础。3、提出了一种基于模糊C均值聚类算法与自适应阈值的冠脉钙化斑块分割与量化方法,将模糊C均值聚类算法应用于冠脉区域划分,提高了算法的抗噪性能;使用高斯函数拟合冠脉区域灰度直方图从而构建出更加稳健有效的钙化分割阈值,完成了冠脉钙化斑块的分割和量化。4、设计并实现了基于一类支持向量机的冠脉病变截面检测方法,构造了基于多特征多尺度的冠状动脉截面图像描述向量,将一类支持向量机算法用于冠脉病变截面检测,实现了高灵敏度的冠脉病变截面识别。5、在冠脉病变截面检测工作中,提出了基于梯度通量的冠脉截面重采样和基于最大互信息的特征选择方法,提高了特征构造的质量,并结合冗余度去除方法完成了特征选取,有效提高了冠脉病变识别算法的识别正确率和泛化能力。

关键词：冠心病计算机层析成像钙化量化病变检测医学图像处理模糊C均值聚类一类支持向量机