基于深度学习的宫颈CT图像金属伪影去除算法研究

发布时间：2024-06-13 23:09

　　宫颈癌是最常见的妇科恶性肿瘤,也是全球女性第三常见癌症死因,而近距离放射治疗(Brachytherapy)是治疗宫颈癌的有效手段。在放射治疗前,通常需要在宫颈癌病人的病灶内植入高密度金属材质的施源器。制定放疗计划过程中,计算机断层扫描(Computed tomography,CT)成像是必要的,CT图像的组织电子密度信息可用于照射剂量的计算。CT通过测量X射线在不同方向下穿透人体断层时的累积衰减系数,计算出它们在整个断面上的分布,并以数字图像的形式显示出来,以便于医生对病灶部位的诊断。然而植入的金属施源器衰减系数远高于人体组织,X射线在穿透施源器后被严重衰减,导致得到的CT图像存在金属伪影。由于施源器引入的金属伪影属于条纹伪影,会扩散到施源器邻近的软组织区域,模糊了周围组织的重要诊断信息,并且影响医生勾画靶区。因此,研究宫颈CT图像金属伪影去除算法具有临床意义。本文在分析和总结国内外CT图像金属伪影去除算法的相关研究成果基础上,基于深度学习框架,针对宫颈CT图像金属伪影去除问题,主要做了以下几项工作:(1)临床宫颈CT图像金属伪影数据仿真。由于缺乏含金属伪影的宫颈CT图像和配对的无金属...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图３－１同一患者无金属伪影的宫颈ＣＴ图像和含金属伪影的宫颈ＣＴ图像．第一行是??无金属伪影的宫颈ＣＴ图像，第二行是含金属伪影的宫颈ＣＴ图像

３．１．２数值仿真??本实验采集了同一患者无金属伪影的宫颈ＣＴ图像和含金属伪影的宫颈ＣＴ??图像，如图３－１所示。??■■■??图３－１同一患者无金属伪影的宫颈ＣＴ图像和含金属伪影的宫颈ＣＴ图像．第一行是??无金属伪影的宫颈ＣＴ图像，第二行是含金属伪影的宫颈ＣＴ图像。??Ｆｉｇ．....

图3一不同图像的数值仿真结果

Ｆｉｇ．３－２?Ｎｕｍｅｒｉｃａｌ?ｓｉｍｕｌａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｆｏｒ?ｄｉｆｆｅｒｅｎｔ?ｉｍａｇｅｓ．?Ｔｈｅ?ｆｉｒｓｔ?ｌｉｎｅ?ａｒｅ?ｃｅｒｖｉｃａｌ?ＣＴ?ｉｍａｇｅｓ??ｗｉｔｈｏｕｔ?ｍｅｔａｌ?ａｒｔｉｆａｃｔｓ，?ｔｈｅ?ｓｅｃｏｎｄ?ｌｉｎｅ?ａ....

图３－３基于普通卷积神经网络去除金属伪影的框架示意图

本论文基于卷积神经网络去除宫颈ＣＴ图像金属伪影，具体的：用含金属伪??影的宫颈ＣＴ图像和配对的无金属伪影的宫颈ＣＴ图像去训练ＣＮＮ，得到一个??可以预测去金属伪影的宫颈ＣＴ图像的模型。本文所用的ＣＮＮ的框架如图３－３??所示，该框架主要由３种类型的层组成，网络的深度为２２。输入的....

图３－４仿真的含金属伪影宫颈ＣＴ图像金属伪影去除实验结果

３．２．４．２?视觉Ｗ??采用数值仿真实验产生数据集中的２０张含金属伪影的宫颈ＣＴ图像对本节??提出的算法进行验证，注意的是用于测试的图像未被用于网络的训练。图３－４显??示了对仿真的测试集消除金属伪影的结果，其中第一行是仿真的含金属伪影的??宫颈ＣＴ图像，第二行是本节算法去除金....

本文编号：3993789