面向计算机辅助诊断的医学图像分割方法研究
文献类型：学位论文
| 作者 | 李海星
|
| 答辩日期 | 2021-11-22 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 罗海波 |
| 关键词 | 计算机辅助诊断 医学图像分割 斜率差阈值 变形模型 深度学习 |
| 学位名称 | 博士 |
| 学位专业 | 模式识别与智能系统 |
| 其他题名 | Research on Medical Image Segmentation Method for Computer Aided Diagnosis |
| 英文摘要 | 近年来，随着计算机技术的高速发展，数字化的医学影像设备蜂拥而至，医学影像的数量不断增长，计算机辅助诊断技术逐渐成为医生诊断疾病的重要依据。在以往的诊断中，放射科医师每天要重复浏览若干组二维切片并作出相应诊断。然而，阅览大量医学影像既耗费放射科医师的时间精力也易受到放射科医师自身能力经验等的影响，医生极有可能因过劳工作造成漏诊和误诊。计算机辅助诊断利用计算机图像处理技术对二维切片进行分析和处理，实现对人体解剖结构或病变区域的分割提取、三维重建和配准等，从而降低医生阅片负担并大大提高医疗诊断的准确性和可靠性。其中，医学图像分割是计算机辅助诊断的关键步骤，是进行病变区域及其它感兴趣区域定性定量分析的前提。本文针对骨骼肌H&E染色病理图像和脊柱MR图像，分别研究了细胞级、组织级和器官级医学图像分割算法，并量化了医学图像分割中的不确定性，其主要目的是通过提供感兴趣的解剖结构的分割模板辅助医生的诊断和治疗。主要贡献总结如下：1. 为辅助医生诊断杜氏肌营养不良这类疾病，提出了一种基于斜率差阈值提取与变形模型相结合的肌纤维病理图像分割算法。首先，通过提出的斜率差阈值提取方法实现肌纤维的粗分割，达到过滤背景和平滑肌纤维边缘的目的。其次，利用基于面积阈值在线计算的变形模型(形态学迭代腐蚀方法)分离黏连的肌纤维并计算最终腐蚀图像中每个区域的中心点作为肌纤维的认证。最后，采用变形模型Level set计算肌纤维属性，以最终腐蚀图像中每个区域轮廓作为初始轮廓向外扩张直至到达肌纤维的边缘。实验结果表 明该算法提出的斜率差阈值提取方法比现有的阈值选择方法更精确，此外，变形模型可以实现对粘连肌纤维的有效分割和计算肌纤维的细胞属性。2. 为辅助医生诊断下腰痛这类疾病，提出了一种基于残差和特征金字塔注意力的U-Net网络。首先，通过通道剪枝的策略大幅度降低U-Net的计算开销并以此轻量级的U-Net作为骨干进行网络设计。其次，为了解决椎旁肌分割中边界模糊、空间不连续的问题，将残差结构和特征金字塔注意力模块引入轻量级的U-Net。残差结构替换了骨干网络中的一部分卷积操作，提升了椎旁肌特征的空间利用率，保留了椎旁肌更多的局部细节，并加快了网络的训练速度；特征金字塔注意力模块被嵌入在编码器末端，其作用是增强高级语义的特征表达能力，为U-Net的解码器提供显著特征。最后，采用Otsu计算了椎旁肌的平均横截面积和脂肪浸润程度。本节设计的模型在中国医科大学附属盛京医院提供的椎旁肌数据集上进行了交叉验证，证明了残差结构和特征金字塔注意力模块的有效性。3. 为辅助医生诊断腰椎管狭窄这类疾病，提出了一种基于多尺度卷积和注意力机制并联的语义分割网络。首先，本节采用上一节中改进的轻量级U-Net作为骨干网络。然后，针对脊柱图像分割中目标尺度不一的问题，设计了多尺度卷积帮助网络有效的提取不同尺度目标的特征。其次，针对脊柱图像中三个解剖结构高度变异性的问题，级联了空间域和通道域的注意力，学习具有判别力的特征，增强分割目标类内的一致性。最后，为提供诊断依据，计算了三个解剖结构的平均横截面积，并首次定义了椎管的前后径。该模型在中国医科大学附属盛京医院提供的脊柱图像数据集上进行了验证，证明了并行分支结构的有效性。为给医生提供分割结果的置信度避免无意义的复查，提出了一种基于深度学习的量化医学图像分割中不确定性的算法。该算法是对基于U-Net和条件变分自编码器相结合的生成式分割模型——Prob U-Net的改进。通过分阶段训练的方式先学习确定性分割模板和后验条件概率分布，再学习先验条件概率分布，避免因KL损失突然急剧下降导致的条件变分编码器失效。测试时，先验概率分布代替后验概率分布调节分割网络的输出，从而预测出多样化的分割结果。实验结果表明该模型能够有效地产生无限个似是而非的假设。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 127页 |
| 源URL | [http://ir.sia.cn/handle/173321/30060]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 沈阳自动化研究所_智能检测与装备研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 李海星. 面向计算机辅助诊断的医学图像分割方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。