基于深度卷积神经网络的肝图像分割方法研究

发布时间：2020-03-22 00:44

【摘要】：肝脏分割任务是从输入的肝脏CT数据中分割出肝的任务。由于CT图像中肝脏具有与邻近器官对比度低、噪声较高和存在病理异常等特点,因此肝脏分割具有一定难度。随着视觉相关算法的快速发展,深度卷积神经网络在医学图像分割上得到了越来广泛的应用。其中,利用捕获上下文的收缩路径和允许精确定位的对称拓展路径的U-Net模型获得了较好的分割效果。然而,单纯的U-Net网络结构在分割上的表现还有较大提升空间;并且通过简单地堆叠卷积核的方法提升模型效果,会加大参数量和计算量,是训练和推理变得困难。本文为了提升U-Net在肝脏分割上的效果,首先使用残差模块代替原有的卷积模块,加快模型的收敛速度;之后为了抑制像素点类别不均衡问题,使用DICE系数的相反数替代交叉熵损失函数,并引入基于形态学的方法对像素点进行加权;针对3D肝脏分割进行了模型改进;最后为了提升模型的泛化能力,使用随机仿射变换和随机弹性形变进行数据增强。实验结果表明,该方法对2D图像的分割效果改进明显,在3D数据上可扩展性强。本文为了降低U-Net的参数量和计算量,首先使用由两个级联的小网络构成的kU-Net进行改进,在降低了模型参数量的同时,提升了模型效果;之后使用由粗到精的分割策略改进kU-Net,进而得到W-Net,它在几乎没有提升模型的参数量和计算量的同时显著提升模型效果;最后对W-Net的扩展路径进行精简,并微调模型收缩路径,在明显降低模型计算量和参数量的同时,保持了分割效果基本不变。通过实验测试,本文提出的基于残差模块的改进方法对于肝脏分割效果提升显著,使用kU-Net和由粗到精的分割策略在降低参数量和计算量的同时,保证分割表现,具有良好的实用性。
【图文】：

对比度受限自适应直方图均衡化原理示意图

图 2-6 不同直方图均衡化效果对比图如图 2-6 所示，本文将范围在[-1000, 3000]的 CT 值直接缩放到[0,255]作为输入图像，然后对输入图像分别进行了直方图均衡化，，自适应直方图均衡化与对比度受限自适应直方图均衡化三种预处理方式。可以清楚的看到，全局直方图均衡化虽然增了图像的对比度，但是它对一些细节上的对比度增强程度不
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R735.7;TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

7 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

8 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

9 李青华;李翠平;张静;陈红;王绍卿;;深度神经网络压缩综述[J];计算机科学;2019年09期

10 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期

相关会议论文 前10条

1 孙军田;张U

本文编号：2594186