检索结果-南通市图书馆

基于DUconViT的骨肉瘤MR图像分割方法研究

在线全文

学校读者我要写书评

暂无评论

基于DUconViT的骨肉瘤MR图像分割方法研究

作者：杨顺中南大学

学位级别：硕士

目的:骨肉瘤(Osteosarcoma,OS)的磁共振(Magnetic resonance,mr)图像分割在诊疗和研究中具有重要作用,但目前的人工智能分割方法存在局限性,故本研究旨在探索一种更加快速、精准的图像分割方法。方法:(1)材料收集:收集2013年08月—2020... 详细信息

目的:骨肉瘤(Osteosarcoma,OS)的磁共振(Magnetic resonance,mr)图像分割在诊疗和研究中具有重要作用,但目前的人工智能分割方法存在局限性,故本研究旨在探索一种更加快速、精准的图像分割方法。方法:(1)材料收集:收集2013年08月—2020年11月在中南大学湘雅二医院确诊为骨肉瘤患者的MR图像。(2)预处理模型的搭建:原始数据集按8:2随机分为训练数据集和测试数据集,训练数据集的优化采用Mean-teacher半监督算法,再通过二值化、删除孤立亮点、补足空洞区域和确定可信区域三个步骤屏蔽无效区域。(3)分割模型的搭建:将经过预处理的训练数据集输入变换器和卷积神经网络(Convolutional neural networks,CNN)相结合的4种分割模型[模型(1)(混合融合),模型(2)(并行融合),模型(3)(首先提取局部特征的串行融合)和模型(4)(首先提取全局特征的串行融合)]中进行训练。再将测试数据集经过预处理后输入4种模型进行验证,并筛选出最佳模型。模型评估指标包括:骰子相似系数(Dice similariy coefficient,DSC)和交并比(Intersection over union,IOU)。(4)分割模型的比较:将测试数据集经过预处理后输入9种图像分割模型(FCN、Unet、Unet++、MCTrans、Med T、Swin Unet、Attention Unet、UTnet和Trans Unet),然后与筛选出的最佳模型进行比较。评估指标包括:准确性(Accuracy,Acc)、精度(Precision,Pre)、召回率(Recall,Re)、DSC、IOU、参数数量和计算量。(5)分割模型的应用:从经过预处理的训练数据集中随机挑选50张骨肉瘤MR图像,比较2名放射科医生(A和B)和最佳模型分割图像的时间和质量(分割质量由放射科医生C评价),并评价人机计算肿瘤面积的一致性。结果:(1)收集了284例骨肉瘤患者的资料,其中纳入符合研究条件的204例。(2)训练数据集经过预处理后得到只包含肿瘤区域的有用图片和困难图片。(3)模型(4)为最佳模型(DSC=0.924,IOU=0.868),是基于双U形卷积视觉变换器(Double U-shaped visual transformer with convolution,DUcon Vi T)的分割模型,其性能优于模型(1)(DSC=0.865,IOU=0.777)、模型(2)(DSC=0.841,IOU=0.750)和模型(3)(DSC=0.837,IOU=0.763)。(4)总体而言,DUcon Vi T模型的分割性能和效果最佳,参数数量和计算量适中。DUcon Vi T模型的Acc、Pre、Re、DSC、IOU、参数数量和计算量分别为0.996、0.934、0.937、0.924、0.868、56.87M和46.36GFIOPS。现有9种模型的Acc介于0.918—0.993,Pre介于0.850—0.948,Re介于0.842—0.950,DSC介于0.810—0.917,IOU介于0.712—0.861,参数数量介于1.3—128M和计算量介于1.49—98.7GFLOPS。(5)DUcon Vi T模型的分割时间显著快于医生A(0.3±0.1s vs29.8±7.9s,pMR图像分割模型能快速、精准分割肿瘤区域并计算肿瘤面积以协助医生的诊疗,可为OS的临床和基础研究提供参考。图12幅,表4个,参考文献53篇

关键词：骨肉瘤变换器卷积神经网络 MR图像图像分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

烟花算法优化的软子空间MR图像聚类算法

软件学报 2017年第11期28卷 3080-3093页

作者：范虹侯存存朱艳春姚若侠陕西师范大学计算机科学学院陕西西安710062 中国科学院深圳先进技术研究院生物医学与健康工程研究所广东深圳518055

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪... 详细信息

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数,弥补现有算法对噪声数据敏感的缺陷,并提出一种隶属度计算方法,快速、准确地寻找簇类所在子空间;然后,在聚类过程中引入自适应烟花算法,有效地平衡局部与全局搜索,弥补现有算法容易陷入局部最优的不足.EWKM,FWKM,FSC,LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明,所提出的算法不仅在UCI数据集上能够取得较好的结果,而且对图像聚类也具有较好的抗噪性能,尤其是对MR图像的聚类具有较高的精度和鲁棒性,能够较为有效地实现MR图像的分割.

关键词：烟花算法软子空间聚类噪声聚类 MR图像图像分割

多模态多维信息融合的鼻咽癌MR图像肿瘤深度分割方法

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2020年第3期54卷 566-573页

作者：洪炎佳孟铁豹黎浩江刘立志李立徐硕瑀郭圣文华南理工大学生物医学工程系广东广州510006 中山大学肿瘤防治中心广东广州510060

收集421名鼻咽癌患者头颈部水平位T1加权(T1W)、T2加权(T2W)以及T1增强(T1C)三种模态MR图像,并由2名经验丰富的临床医生对图像中的肿瘤区域进行勾画,将其中346位患者的多模态图像及其标签作为训练集,将剩余75位患者的多模态图像及其标... 详细信息

收集421名鼻咽癌患者头颈部水平位T1加权(T1W)、T2加权(T2W)以及T1增强(T1C)三种模态MR图像,并由2名经验丰富的临床医生对图像中的肿瘤区域进行勾画,将其中346位患者的多模态图像及其标签作为训练集,将剩余75位患者的多模态图像及其标签作为独立测试集;分别构建单模态多维信息融合、两模态多维信息融合以及多模态多维信息融合(MMMDF)的卷积神经网络(CNN),并对模型进行训练和测试;使用Dice、豪斯多夫距离(HD)与面积差占比(PAD)评估3种模型的性能,结果表明,多模态多维融合模型的性能最优,两模态多维信息融合模型性能次之,单模态多维信息融合模型性能最差.结果证明,多模态二维与三维特征融合的深度卷积网络能够准确有效地分割鼻咽癌MR图像中的肿瘤.

关键词：鼻咽癌 MR图像分割多模态多维度深度学习

基于生成对抗网络的多对比度MR图像合成方法研究

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的多对比度MR图像合成方法研究

作者：张静静山东师范大学

学位级别：硕士

目前的医疗影像任务中,磁共振（Magnetic Resonance,mr）图像的获取存在价格昂贵和耗时长的问题,需要借助技术手段获取多对比度MR图像,如今通过深度学习算法研究磁共振图像的合成以提高诊断效率成为一个炙手可热的话题。随着生成对抗网... 详细信息

目前的医疗影像任务中,磁共振（Magnetic Resonance,mr）图像的获取存在价格昂贵和耗时长的问题,需要借助技术手段获取多对比度MR图像,如今通过深度学习算法研究磁共振图像的合成以提高诊断效率成为一个炙手可热的话题。随着生成对抗网络（GAN）在近年来的图像处理领域中发挥了重要作用,本文主要将结合生成对抗的方法研究不同对比度磁共振图像的合成。现有的一对一MR图像合成方法中,多数只关注图像整体,而局部细节被忽视,各类衍生的生成对抗式的深度学习方法在MR图像合成领域基本能获得看似完整的图像,但实际上存在边缘模糊或是分辨率较低的问题,且对抗性目标函数的训练易出现崩塌现象。本文以条件生成对抗网络（CGAN）和Cycle GAN两种方法为基础,针对存在的合成图像模糊和训练不稳定问题,进行多对比度MR图像的合成研究,主要开展了以下研究工作:（1）提出一种基于边缘信息保留的多对比度MR图像合成方法,以CGAN提出的方法为指导进行多方面的改进和创新。首先,该方法的生成器被重新定义为由多个串联的编解码器组成的结构,加强网络的深度能够发掘更多的维度特征;其次,该方法使用图像的边缘特征信息进一步促进合成图像内的组织或结构边缘的完整性;最后,采用Patch GAN结构的判别器与谱归一化约束相结合稳定训练过程。结合以上的方式,并通过添加正则化器减少泛化误差,提高多对比度图像的合成效果,获得高清晰度的图像。实验结果表明,基于边缘信息保留的方法在Bra Ts2018和IXI数据集上具有良好的性能。（2）提出一种基于双向生成的多对比度MR图像合成方法,该方法使用成对的图像在图像层面上以端到端的方式运行,采用循环生成方式将给定对比度的MR图像转换为另一种对比度的MR图像。通过双向生成学习非线性映射,在获取图像特征的同时,采用扩展感受野的卷积模块（ECM）增强邻域信息的获取;另外,提出内容增强网络进一步捕捉图像细节信息。实验结果表明,双向生成网络在SSIM和PSNR指标上具有良好的表现。

关键词：卷积神经网络深度学习 MR图像生成对抗网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人体软组织MR图像匹配关键技术研究

人体软组织MR图像匹配关键技术研究

作者：胡浩博武汉纺织大学

学位级别：硕士

随着计算机和人工智能技术的进步,虚拟手术获得了空前发展,其中人体软组织形变模型的准确与否是虚拟手术质量的决定性因素之一。为了提高人体软组织形变模型的准确性,就必须要精确测量在活体状态下的人体软组织材料的参数。当前,在临床... 详细信息

随着计算机和人工智能技术的进步,虚拟手术获得了空前发展,其中人体软组织形变模型的准确与否是虚拟手术质量的决定性因素之一。为了提高人体软组织形变模型的准确性,就必须要精确测量在活体状态下的人体软组织材料的参数。当前,在临床上普遍使用的测量方法可分为接触式和非接触式。接触式仪器如皮肤弹性测试仪,其会对自然状态下的软组织产生一定的干扰,采集到的参数会产生较大偏差;而非接触式方法都得益于医学影像技术的发展,如超声、mrI等。由于mrI辐射量低,对于软组织成像清晰且不受气体与骨骼的阻碍等优点,通过匹配由MR图像记录的人体软组织在变形前后状态下的两组图像,计算变形前图像中的像元在变形后图像上产生的精确位移,可以进行变形场测量,进而可以获得软组织形变参数。然而,通过MR图像进行变形前后软组织内部特征点匹配面临三个困难:1)标准样本少;2)MR图像中存在伪影;3)非线性软组织内部大量特征点匹配准确度低。为了解决以上困难,本文的主要工作内容如下:(1)提出了一种基于GAN的mr医学图像生成方法。该方法主要创新点在于通过对生成器和判别器的改进实现MR图像的生成,将多尺度边缘轮廓的结构信息融合到了生成器中,以便更好地捕获MR图像的边缘细节信息。同时,利用基于Transformer的多尺度信息判别器,对生成图像和真实MR图像进行鉴别。通过实验表明,改进后的生成器和判别器,能够有效地生成与真实图像相似且多样的MR图像,为目前医学图像数据缺乏的问题提供了一种有效解决途径。(2)设计了一种可以利用重建图像网络指导超分辨率图像生成模型。该模型的主要创新点在于合理的运用多任务学习的模式,使用重建网络指导超分辨网络进行图像生成,这样可以有效地运用不同任务之间有效信息。在重建网络部分,解码器的每层输出中都引入了像素间位置注意力模块,使得重建后的图像结构清晰,同时运用基于Transformer的任务转换模块,生成超分辨率图像。通过实验表明,相对于单任务超分辨率网络,该方法所生成的图像清晰度和细节准确度更高。(3)改进了一种增强特征描述子模型。该模型将图神经网络引入特征描述中,结合注意力机制的思想和图神经网络的结构,利用消息传递的方式来更新节点特征信息,最终获得增强后的特征描述子。与传统的特征描述方法不同,该方法不仅关注自身局部特征点信息,而且也关注目标图像特征点信息。实验结果表明,该方法有效地提升了人体软组织形变前后的两组MR图像中特征点匹配的准确率。

关键词： MR图像生成对抗网络超分辨率特征描述

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的脑肿瘤MR图像分割与实现

基于深度学习的脑肿瘤MR图像分割与实现

作者：吴勇临沂大学

学位级别：硕士

近年来,随着社会发展和人们生活方式的改变,脑肿瘤等脑血管疾病逐渐成为我国致死率极高的疾病。磁共振成像(Magnetic Resonance Imaging,mrI)可生成无损伤、无颅骨伪影的多模态脑影像,同时对人体无伤害,为临床医生研究脑肿瘤及其他脑部... 详细信息

近年来,随着社会发展和人们生活方式的改变,脑肿瘤等脑血管疾病逐渐成为我国致死率极高的疾病。磁共振成像(Magnetic Resonance Imaging,mrI)可生成无损伤、无颅骨伪影的多模态脑影像,同时对人体无伤害,为临床医生研究脑肿瘤及其他脑部疾病提供重要的参考信息,因此经常被用于的脑部疾病地诊断和治疗。正常脑肿瘤MR图像脑部组织可分为肿瘤区、脑脊液、脑灰质和脑白质,在肿瘤区域根据病情发展情况又可分为坏死区域、增强区域和水肿区域。因此在脑肿瘤地诊断和治疗中,需要将肿瘤区域与正常脑组织分开,甚至需要对脑肿瘤的子区域进行分割。针对以上情况,本文以多模态脑肿瘤MR图像为基础,针对脑肿瘤MR图像分割展开了研究,主要工作如下:本文提出一种基于多分辨率的双编码器自约束分割网络。该网络由一个多分辨率的双编码器、多分辨率注意力解码器和一个自约束模块构成。多模态图像分两条路径输入到编码器中,分别提取不同的特征;解码器阶段加入了卷积空间注意力机制(Convolution Spatial Attention Module,CSAM),保留了原始图像中的重要信息;自约束模块能够将输出的分割概率图与原始的输入图像相乘,得到一个区域灰度图,再对输出结果和该区域灰度图进行约束求损失函数,该模块加强了对网络的整体约束;同时在网络中设计了结合交叉熵(Binary Crossentropy)损失函数、Focal损失函数和Dice损失函数的综合损失函数。最终得到了脑肿瘤、脑脊液、脑灰质和脑白质的相似性系数指标分别为91%、78%、82%、86%。另外,本文提出一种改进的mres-U＿Net网络用于脑肿瘤子区域分割。该网络能够有效地利用图像特征信息进行学习训练,同时结合图像的低级轮廓信息和高级语义信息,利用残差网络结构防止梯度消失。最终在肿瘤增强区域、核心区域及全肿瘤区域的相似性系数指标分别达到了80.1%、87%和91.9%;豪斯多夫距离指标分别达到了11.705 mm、14.122 mm和18.842 mm;平均表面对称距离指标分别达到了0.744 mm、1.991 mm和1.786 mm。

关键词：脑肿瘤分割 MR图像自约束网络多残差U＿Net

基于非下采样剪切波变换的PET/SPECT和MR图像融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航天医学与医学工程 2018年第3期31卷 353-358页

作者：邱陈辉赵奋强王媛媛夏顺仁浙江大学生物医学工程教育部重点实验室浙江省心脑血管检测技术与药效评价重点实验室浙江杭州310027

目的针对PET/SPECT伪彩色图像空间分辨率低而mr灰度图像空间分辨率高的融合问题,探究一种新方法来提升PET/SPECT和MR图像的融合质量。方法对待融合图像进行非下采样剪切波变换(nonsubsampled shearlet transform,NSST),得到各自的低频... 详细信息

目的针对PET/SPECT伪彩色图像空间分辨率低而mr灰度图像空间分辨率高的融合问题,探究一种新方法来提升PET/SPECT和MR图像的融合质量。方法对待融合图像进行非下采样剪切波变换(nonsubsampled shearlet transform,NSST),得到各自的低频子带和高频子带,然后采用绝对值取大规则去融合高频子带,采用本文提出的基于Haar小波的能量(Haar wavelet based energy,HWE)规则去融合低频子带,最后对融合后的高、低频分量进行逆NSST从而获得融合图像。采用40组脑PET/SPECT和MR图像对本文所提出方法进行测试,并与其他典型的融合方法进行比较。结果本文方法与基于DTCWT,NSCT,NSCT-SR和NSST的融合方法进行测试,结果表明,本文方法在4个指标上最优,1个指标上次优。结论本文方法在PET/SPECT和MR图像的融合中具有优越性,可提升此类医学影像在辅助临床诊断和放疗手术计划中的精准性。

关键词：图像融合 PET/SPECT图像 MR图像非下采样剪切波变换

在线全文

学校读者我要写书评

暂无评论

基于边缘信息增强的前列腺MR图像分割网络

中国图象图形学报 2024年第3期29卷 755-767页

作者：张蝶黄慧马燕黄丙仓陆炜平上海师范大学信息与机电工程学院上海201400 上海市浦东新区公利医院影像科上海200120

目的前列腺图像精确分割对评估患者健康和制定治疗方案至关重要。然而传统U-Net模型在前列腺mr(magnetic resonance)图像分割上存在过拟合、边缘信息丢失等问题。针对上述问题,提出一种改进的U-Net 2D分割模型,旨在增强边缘信息、降低... 详细信息

目的前列腺图像精确分割对评估患者健康和制定治疗方案至关重要。然而传统U-Net模型在前列腺mr(magnetic resonance)图像分割上存在过拟合、边缘信息丢失等问题。针对上述问题,提出一种改进的U-Net 2D分割模型,旨在增强边缘信息、降低噪声影响,进而提高前列腺分割效果。方法为缓解过拟合现象,新模型通过对标准U-Net架构进行修改,将普通卷积替换为深度可分离卷积,重新设计编码器和解码器结构,降低模型参数量;为保存分割结果中的边缘信息,新模型通过ECA(efficient channel attention)注意力机制对U-Net解码器特征进行优化,以放大并保存小尺度目标的信息,并提出边缘信息模块和边缘信息金字塔模块,恢复并增强边缘信息,以缓解频繁下采样带来的边缘信息衰退以及编码器和解码器特征之间的语义差距问题;利用空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)模块对特征进行重采样,扩大感受野,以消除特征噪声。结果在PROMISE12(prostate mr image segmentation 2012)数据集上验证模型的有效性,并与6种基于U-Net的图像分割方法进行对比,实验证明其分割结果在Dice系数(Dice coefficient,DC)、HD95(95%Hausdorff distance)、召回率(recall)、Jaccard系数和准确度(accuracy)等指标上均有提高,DC较U-Net提高了8.87%,HD95较U-Net++和Attention U-Net分别降低了12.04 mm和3.03 mm。结论提出一种基于边缘信息增强的前列腺MR图像分割网络(attention mechanism and marginal information fusion U-Net,AIM-U-Net),其生成的分割图像具有丰富的边缘信息和空间信息,其主观效果和客观评价指标均优于其他同类方法,为提高临床诊断的准确度提供帮助。

关键词：医学图像分割前列腺 MR图像 U-Net 边缘信息

在线全文

学校读者我要写书评

暂无评论

基于人工蜂群优化的MR图像分割算法研究

影像科学与光化学 2020年第3期38卷 508-513页

作者：曲蕴慧陈小菊西安医学院卫生管理学院计算机教研室陕西西安710021 西安医学院卫生管理学院陕西西安710021

针对传统图像阈值分割算法在MR图像分割时存在的易受采集图像灰度不均、医学图像易受噪声干扰,因而难以得到准确分割阈值的问题,本文将人工蜂群算法与二维OSTU阈值分割算法相结合,提出一种基于人工蜂群优化的MR图像分割算法。使用医学... 详细信息

针对传统图像阈值分割算法在MR图像分割时存在的易受采集图像灰度不均、医学图像易受噪声干扰,因而难以得到准确分割阈值的问题,本文将人工蜂群算法与二维OSTU阈值分割算法相结合,提出一种基于人工蜂群优化的MR图像分割算法。使用医学图像的离散度矩阵的迹作为人工蜂群优化的目标函数,得到二维OSTU的最佳分割阈值;根据得到的最佳阈值,对图像采用二维OSTU分割的方法进行分割。实验结果证明,对于医学MR图像,本文所提出的算法具有精度高和鲁棒性强的特点,能够得到精确的分割后图像。

关键词：人工蜂群算法二维OSTU MR图像