基于超分辨率重建的肝脏肿瘤辅助诊断应用系统研究

发布时间：2022-12-07 03:29

　　随着人们对健康的重视,定期体检变得十分普遍。肝脏类疾病近年来频发,肝癌死亡率也逐步升高,肝脏健康值得关注。体检时通常采用计算机断层成像技术CT对肝脏等内部器官进行检查,考虑到辐射问题,通常采用低剂量CT设备。由此造成图像分辨率不高,细节不明显,给医生读取图像信息带来巨大压力。且目前的诊断技术过度依赖医生的经验并掺杂主观性,面对复杂的病理特征,医生容易出现错误诊断。针对体检图像分辨率低的问题,本文提出一种新的超分辨率重建算法C-VDSR来提高图像的分辨率。将VDSR（Very Deep Super Resolution）算法采用的L2损失函数替换成Charbonnierpenalty函数,可以更好地捕捉高频特征。实验结果表明本文提出的网络模型相比VDSR具有更优越的性能,以×2尺度重建效果为例,本文算法C-VDSR的PSNR和SSIM指标分别达到32.20dB和0.9182,还能在一定程度上减少重建的时间。对于重建后的较高分辨率的体检肝脏CT图像,我们利用深度学习算法U-Net网络对其进行自动肝脏分割,在得到肝脏区域后,进一步利用该算法实现肿瘤分割。结果表明,图像重建后提高了分割网络的性... 

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第1章 绪论
    1.1 体检与CT
    1.2 课题研究背景
    1.3 国内外研究现状
    1.4 课题研究的目的和内容
    1.5 论文的组织结构
第2章 理论基础
    2.1 超分辨率重建求解
    2.2 超分辨率重建算法
    2.3 超分辨率重建指标
    2.4 深度学习理论基础
    2.5 OpenEHR规范
    2.6 本章小结
第3章 基于C-VDSR的超分辨率重建
    3.1 实验数据准备
    3.2 C-VDSR网络结构介绍
    3.3 基于C-VDSR的超分辨率重建网络模型构建
    3.4 网络仿真结果
    3.5 本章小结
第4章 肝脏及肝脏肿瘤分割
    4.1 分割评价指标
    4.2 肝脏分割
    4.3 肿瘤分割
    4.4 本章小结
第5章 肝脏肿瘤辅助诊断应用系统设计
    5.1 总体设计
    5.2 系统功能需求分析
    5.3 系统设计和实现
    5.4 系统功能展示
    5.5 系统测试
    5.6 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间主要的研究成果


【参考文献】：
期刊论文
[1]多层螺旋CT、MRI用于肝脏肿瘤的临床诊断价值分析[J]. 王兴林,陈华平,李兵,张福洲.  影像研究与医学应用. 2018(10)
[2]结合结构自相似性和卷积网络的单幅图像超分辨率[J]. 向文,张灵,陈云华,姬秋敏.  计算机应用. 2018(03)
[3]基于卷积神经网络的胸片肺结节检测[J]. 朱国策,李朝锋.  传感器与微系统. 2017(12)
[4]图像增强算法综述[J]. 朱玉欣.  信息与电脑(理论版). 2017(16)
[5]医学图像分割方法综述[J]. 刘宇,陈胜.  电子科技. 2017(08)
[6]基于Dropout卷积神经网络的行为识别[J]. 范晓杰,宣士斌,唐凤.  广西民族大学学报(自然科学版). 2017(01)
[7]图像分割方法综述研究[J]. 周莉莉,姜枫.  计算机应用研究. 2017(07)
[8]超分辨率重建算法综述[J]. 李欣,崔子冠,朱秀昌.  电视技术. 2016(09)
[9]基于3D区域增长法和改进的凸包算法相结合的全肺分割方法[J]. 代双凤,吕科,翟锐,董继阳.  电子与信息学报. 2016(09)
[10]低剂量螺旋CT的原理及临床应用[J]. 黄洁惠,宋歌,石磊.  肿瘤学杂志. 2016(04)

博士论文
[1]CT图像的肝脏及肺部肿瘤检测方法研究[D]. 王进科.哈尔滨工业大学 2016
[2]图像超分辨率重建算法研究[D]. 杨宇翔.中国科学技术大学 2013

硕士论文
[1]基于OpenEHR的体检数据转换和存储平台研究实现[D]. 王提寅.浙江大学 2013
[2]基于多期肝脏CT图像的计算机辅助诊断系统中关键技术的研究[D]. 叶峻.上海交通大学 2010



本文编号：3712151