论文部分内容阅读
医学图像分割是医学影像分析中的一个重要研究方向,在病理分析、临床诊断、手术动态规划和计算机辅助医疗等方面有着广泛的研究意义和应用价值。肝癌被称为“癌症之王”,死亡率和恶性度高,其中原发性肝癌是我国高发的、危害极大的恶性肿瘤。因此,精确的肝脏自动分割对于临床诊断有着很高的研究价值。胰腺是腹部器官中较小的一个,但它是人体最重要的器官之一,胰腺的健康对人体健康有着重要意义。胰腺癌侵袭性强、转移早、恶性程度高、发展较快、预后较差,五年生存率低于5%,死亡率非常高。胰腺癌已成为严重威胁人类健康的重要疾病,并对临床医学构成巨大挑战。胰腺的自动分割及识别研究对医生诊断和手术方案确定有着重要的参考价值。CT(Computed Tomography)是医学影像中使用较多的一种,因有较高的空间分辨率以及高信噪比等优点而被广泛应用于临床检查中。本文以卷积神经网络为基础,对腹部CT图像中的肝脏和胰腺分割展开了研究,研究内容主要包括:1)针对肝脏个体差异大、与周围临近器官灰度对比度低及与相邻器官边界模糊等原因导致分割边界不准确、非联通肝脏区域分割结果丢失等问题,提出了基于LiBlockNet的肝脏CT图像分割方法。该算法首先对图像进行预处理,然后使用构建的LiBlockNet模型实现肝脏分割。该肝脏分割模型是以卷积块为单位组成的,每个卷积层块使用不同的卷积核提取输入图像的不同尺度的特征,然后进行融合作为下一层的输出,最终实现分割。2)针对胰腺形状不规则、体积较小以及与周围器官边界不明显导致的分割准确率低、分割方法繁杂等问题,提出了一种基于动态ROI区域和VGGU-Net的胰腺CT序列图像分割方法。该方法包含定位和分割两个步骤。在定位部分根据肝脏、肾脏、脾脏和胰腺四个器官的相对位置进行定位,即找到整个序列图像中肝脏、脾脏和肾脏三个器官的三个中心点,然后使用这三个中心确定胰腺ROI的位置;在分割部分,使用提出的VGGU-Net模型分割ROI中的胰腺区域,从而完成整个算法。