一、成人脏器的CT图像计算机三维测量与分析（论文文献综述）
蔡金秀,崔应谱,孙兆男,张耀峰,张大斗,张晓东,王霄英[1]（2022）在《基于深度学习实现胰腺分割及自动体积测量的初步研究》文中研究表明目的使用深度学习模型实现影像诊断为"胰腺未见异常"的成人群体CT图像中胰腺自动分割及体积、径线和平均CT值自动测量。方法搜集2019年1月至10月在本院行腹盆部CT平扫及增强扫描并诊断为"胰腺未见异常"的患者共1195例（8301个不同期相、不同层厚的扫描序列,每个序列为一个图像数据）,根据标准共纳入了5389个图像数据。将图像数据分为两部分:第一部分521个图像数据由专家标注后用于3D U-Net分割模型训练,将其随机分为训练集（413个数据）、调优集（56个数据）、测试集（52个数据）,模型训练的评价指标为测试集的DICE系数;第二部分4868个图像数据用于模型外部验证,使用第一部分训练好的模型预测胰腺区域,由两位影像专家检查模型预测结果,挑选出分割效果满意的数据共2003个。对上述521及2003个数据中胰腺标签进行数据处理,以最小体积包围盒算法测量胰腺的三维径线,以标签区域的像素总体积计算胰腺体积,并输出标签区域胰腺的平均CT值。统计各期相、不同层厚的图像数据中胰腺体积、三维径线及平均CT值的95%参考值范围,分析每10岁年龄组胰腺体积分布的正常范围。结果胰腺分割模型测试集中DICE值为0.91。胰腺三维径线平均值分布范围分别为41.97～43.51 mm, 65.84～71.09 mm和137.77～142.59 mm;胰腺体积平均值的分布范围为65213.35～69864.79 mm3,在18～38岁逐渐平均体积增大,38岁平均值（77963.15±15125.93） mm3,之后随年龄增大体积逐渐减小,在78～88岁时平均体积最低,为（51349.88±18998.81） mm3。胰腺CT值则随年龄增大而减小,18岁～88岁平均CT值从（39.22±9.57） HU降低至（23.95±6.87） HU。结论基于深度学习的人工智能（AI）分割工具可以有效分割CT图像上的胰腺,并准确测量其径线、体积及CT值。
任志强[2]（2021）在《计算机断层扫描在活体测定杜洛克种公猪胴体和肉质性状中的应用研究》文中指出
杨新天[3]（2021）在《儿童正常肝脏体积的变化规律和肝脏体积公式的探讨&一个基于超声内镜的用于鉴别胃肠道间质瘤和平滑肌瘤的人工智能系统的研究》文中提出研究目的:肝脏肿瘤,特别是肝母细胞瘤,是多发生于小儿中的最常见的肿瘤之一,严重威胁着患儿的生命健康。根治肝脏肿瘤的主要方法是手术切除,术后的残肝体积不足会引起肝脏相关的术后并发症。因此,进行肝脏手术时需要对患者肝体积进行分析以评估术后残肝是否足够维持正常肝脏功能。在小儿中,肝脏体积随生长发育变化,不同年龄的小儿肝脏体积差异大。同时,小儿的肝母细胞瘤生长迅速,体积较大,经常压迫正常肝组织。因此,对于巨大肝脏肿瘤患儿来说,在肝脏肿瘤切除术后留有足够的正常肝组织是手术治疗成功的关键之一。世界范围内,小儿的肝脏体积相关研究和小儿标准肝脏体积公式均较为罕见。为精准地进行术前规划,需要了解小儿正常的肝脏体积,不同性别、年龄、身高和体重的小儿正常肝脏体积的差异,和准确的小儿标准肝脏体积计算公式,以进行术前评估术后肝功能。研究方法:从青岛大学附属医院PACS系统检索2013年1月到2020年1月就诊的肝脏功能和形态正常的患儿;从青岛市妇女儿童医院PACS系统检索2020年10月到2020年11月就诊的肝脏的功能和形态正常的患儿。本研究一共纳入了768例0-14岁小儿正常肝脏的CT图像,其中来自青岛大学附属医院的儿童709例,来自青岛市妇女儿童医院的儿童59例。收集患儿的上腹部CT图像和性别、年龄、身高和体重信息。将患儿CT图像导入Hisense CAS系统,生成肝脏三维可视模型,同时精确计算肝脏体积。使用SPSS统计软件,分析收集对象的肝脏体积和性别的关联系数,并进行肝脏体积与年龄、身高和体重进行Pearson相关性分析,多重线性回归和幂函数回归,选择。所有的统计分析的显着性检验均为双尾检验,显着性水平α=0.05。结果:本研究一共纳入了768例0-14岁小儿正常肝脏的CT图像,通过Hisense CAS系统进行三维重建和肝脏体积测量得到的从新生儿（<1个月）到14岁的儿童的正常肝脏体积:从129.12±14.48ml（±s;男性）和141±22.76ml（女性）到1155.92±155.16ml（男性）和1004.17±98.6ml（女性）范围的正常肝脏体积数据。肝脏体积与性别的关联系数为0.101（P<0.05）。年龄、身高和体重与肝脏体积均呈显着正相关,Pearson相关系数分别为0.90（P<0.05）,0.92（P<0.05）和0.95（P<0.05）。根据小儿肝脏体积的变化和肝脏体积与年龄、身高、体重和性别的相关关系分析的结果,性别、身高和体重被选作为自变量,肝脏体积作为因变量,进行多重线性回归,获得的回归公式为:体重低于20 kg,SLV=707.12×BSA1.09(SLV=标准肝体积[ml],BSA=体表面积[m2],BSA=BW0.425×BH0.725×0.007184,BW=体重[kg],BH=身高[cm],r2=0.84);体重高于20kg,男童:SLV=691.90×BSA1.06（r2=0.94）,女童:SLV=663.19×BSA1.04（r2=0.94）,体表面积的回归系数在t检验中具有显着性（P<0.05）。该回归公式通过59例来自青岛妇女儿童医院的肝脏正常的患儿的数据作为验证集与此前报道的标准肝体积公式进行了对比,本研究回归方程预测效果优于此前的公式。研究结论:本研究收集并分析了768例0-14岁肝脏正常的小儿的肝脏体积、年龄、性别、身高和体重,探讨了小儿（0-14岁）正常肝脏体积的变化,了解肝脏体积与年龄、性别、身高和体重的关系,并总结小儿标准肝脏体积的公式。研究目的:胃肠道上皮下病变（subepithelial lesions,SELs）是发生于胃肠道粘膜下的一类疾病,包括十数种不同组织学分类的病变。其中,胃肠道间质瘤（gastrointestinal stromal tumors,GISTs）和胃肠道平滑肌瘤（gastrointestinal leiomyomas,GILs）是最常见的SELs。所有GIST都有恶性潜能;然而,GIL被认为是良性的。目前的影像学很难有效区分GISTs和GILs。超声内镜（endoscopic ultrasonography,EUS）被认为是诊断不同种类的SELs的最准确的影像学方法,但是仍无法有效区分GISTs和GILs。我们的目的是开发一个基于超声内镜的人工智能（artificial intelligence,AI）系统,用来鉴别这两种肿瘤。研究方法:该AI系统的开发基于组织学证实的752名组织学诊断为GIST或GILs的患者的10439张EUS图像。使用深度学习技术开发该AI模型和系统。收集来自四个内镜中心的患者的资料,用以开发和回顾性评估该AI系统。该系统用于当内镜医生认为SELs是GISTs或GILs时,将病变分类为GISTs或GILs。我们开展了一项多中心前瞻性诊断试验,在试验过程中使用该AI系统,对比内镜医生独自诊断和内镜医生与人工智能系统联合诊断的诊断准确率的差异,探讨AI系统能否提高SELs的总体诊断准确率。结果:该AI系统是基于752名组织学诊断为GIST或GILs的患者的10439张EUS图像开发的。在前瞻性试验中,在508名EUS连续受试者中,132名受试者获得了明确组织学诊断（36名GIST、44名GILs和52名其他类型的SELs）。通过使用AI联合诊断,内镜医生诊断132例经组织学证实的受试者的总准确率从69.7%（95%可信区间:61.4-76.9%）提高到78.8%（95%可信区间:71-84.9%;P=0.012）。内镜医生在诊断80例组织学明确诊断的GIST或GILs的患者的准确率从73.8%（95%CI:63.1-82.2%）提高到了88.8%（95%CI:79.8-94.2%;P=0.012）。研究结论:我们开发了一个基于EUS的人工智能诊断系统,其可以通过EUS检查有效地区分GISTs和GILs,并且可以辅助内镜医生显着提高术前诊断不同类型的SELs的总体准确率。
赵北[4]（2021）在《四边体置钉治疗髋臼骨折的数字解剖学研究及有限元分析》文中指出第一部分 四边体区域的数字解剖学参数研究测量目的测量髋臼四边体区域的解剖参数,确定置钉的安全区和危险区,以提高四边体区域手术的安全性。方法随机选取2017年9月至2019年2月期间我院影像中心行骨盆CT扫描的成年人图像200例。通过Mimics软件进行骨盆三维重建后,测量四边体内侧面的边长和面积,进行性别间和左右侧比较;定义并测量危险区和安全区长度,确定最危险置钉点位置并进行性别间比较。结果男性四边体内侧面上边界长度65.54±4.5 1mm,下边界长度39.24±2.96mm,前边界长度62.46±3.45mm,后边界长度67.91±3.92mm,四边体内侧面的表面积3276.22±309.33mm2;女性四边体上边界长度63.92±3.37mm,下边界长度36.85±2.39mm,前边界长度55.25±3.13mm,后边界长度61.89±3.75mm,四边体内侧面的表面积为2787.21±246.21mm2。男性的五组数据值均大于女性,性别间差异有统计学意义（P<0.05）。通过左右侧数据之间的配对样本比较发现四边体内侧面的上边界和前边界长度差异有统计学意义（P<0.05）,而下边界、后边界和内侧面表面积左右差异无统计学意义（P>0.05）。男性四边体危险区长度20.42±6.88mm,前后缘长度42.75±3.22mm,危险区和前后缘距离比值为0.48±0.15;女性四边体危险区长度24.43±5.04mm,前后缘长度39.18±2.21mm,危险区和前后缘距离比值为0.62±0.13。男性四边体的前后缘长度大于女性,但危险区长度小于女性,男性危险区占据前后缘的比例要低于女性。三组数据在性别间差异有统计学意义（P<0.05）。男性最危险进钉点到参考线的距离为14.42±4.22mm,女性为12.89±3.38mm,性别间差异有统计学意义（P<0.05）。结论数字化工具软件Mimics结合CT图像可建立完整的骨盆三维模型,通过调整视图方向,能够定义并测量髋臼四边体区域的相关参数。由于性别间的生理差异,男性四边体内侧面的各边长均大于女性。在髋臼前入路观察角度下女性四边体危险区范围大于男性,确定最危险进钉点的位置有利于术中安全操作。第二部分 四边体置钉参数的数字解剖学测量目的选取四边体危险区多个进钉点模拟螺钉的安全放置,测量螺钉的多方位安全进钉角度及长度等参数,并进行性别间比较,以提高四边体危险区置钉的安全性,为髋臼骨折的手术治疗提供更全面的数据参考。方法通过Mimics软件对200例骨盆CT进行三维重建,根据四边体内侧面将矢状面和横断面视图重新定义,在真骨盆上缘和下缘分别确定危险进钉点位置,应用直径3.5mm的圆柱体模拟螺钉置入。真骨盆上缘的三处进钉点分别测量螺钉的最小内倾角（MIMIA）,最小前倾角（MIAIA）和最小后倾角（MIPIA）以及对应的螺钉长度;真骨盆下缘的三处进钉点分别测量平行螺钉的长度,最小前倾角（MIAIA）和最小后倾角（MIPIA）以及对应的螺钉长度;通过调整髋骨的三维半透明模型,确定髋臼下螺钉的最佳位置,模拟置钉并测量该螺钉的直径,长度,进钉点的位置及进钉方向,对上述置钉参数进行性别间比较。结果在四边体最危险进钉点O处,男性MIMIA为13.32±3.98°,螺钉长度28.96±7.57mm,MIAIA 为 31.97±9.89°,螺钉长度 42.99±5.44mm,MIPIA 为23.67±5.99°,螺钉长度 60.98±4.94mm;女性角度分别为 16.54±5.45°,39.40±10.07°,32.04±8.65°,螺钉长度分别为 22.54±5.16mm,36.02±3.27mm,50.51±3.82mm。男性各角度小于女性,而螺钉长度均大于女性,数据在性别间差异有统计学意义（P<0.05）。与进钉点O比较,A点和B点对应的MIMIA值均减小,而对应的螺钉长度均增加。真骨盆上缘A、O、B三点对应的MIAIA值逐渐增加,而MIPIA值逐渐减小,男性和女性变化趋势一致。在四边体进钉点O’处,男性的平行螺钉长度为19.23±4.38mm,女性为13.86±3.53mm,男性MIAIA及对应螺钉长度分别为36.39±7.29°和33.59±2.73mm,女性分别为40.73±6.63°和28.73±2.39mm;男性 MIPIA 及对应螺钉长度分别为 33.01±7.07°和 9.07±2.66mm,女性分别为39.33±5.82°和43.36±2.73mm。男性的最小前倾角度和最小后倾角度均小于女性,而螺钉长度均大于女性,数据在性别间差异有统计学意义（P<0.05）。真骨盆下缘A’、O’、B’三点对应的MIAIA和MIPIA值变化趋势同上缘对应点一致。男性髋臼下螺钉的最大直径为5.54±1.38mm,最大长度为100.23±6.37mm,女性分别为4.49±0.89mm和87.74±6.36mm,94%的男性和86%的女性最大螺钉直径不小于3.5 mm;而77%的男性和53%的女性最大螺钉直径不小于4.5 mm。螺钉参数在性别间的差异有统计学意义（P<0.05）。结论通过数字化软件的切面重建,三维图像透明化及轴向透视等方法,可以在四边体危险区内以不同方式安全置钉,获得相关的置钉数据参数,指导个体化术前设计,为髋臼骨折的治疗提供了更多的参考。由于男女骨盆的生理解剖差异,四边体区域置钉的方向角度和螺钉的长度直径等属性在性别间存在差异。将解剖标记作为置钉参照物和参考平面方便术中安全精确操作。第三部分 四边体置钉治疗髋臼骨折的有限元分析目的建立起髋臼前柱骨折和后柱骨折的有限元模型,针对四边体区域设计不同的钢板和螺钉内固定模型装配后进行生物力学有限元分析,评价不同内固定方式的稳定性,为四边体螺钉的临床应用提供理论依据。方法收集一例健康成年女性的DICOM格式的骨盆CT数据,将其导入Mimics及3-matic软件中,分别建立前柱骨折和后柱骨折模型,在Geomagic Studio软件及Solidworks软件中根据骨折线位置设计不同内固定,在3-matic中最终装配成髂腹股沟入路处理前柱骨折的4组固定模型,Stoppa入路处理前柱骨折的3组固定模型及后柱骨折固定的5组模型。将模型导入有限元分析软件Ansys中,进行材料属性赋值,弹簧单元模拟韧带及接触设置。约束边界条件后对模型求解,分析评价骨盆和内固定的位移和应力分布,比较上下骨折面的位移差。结果前柱骨折模型中,增加四边体危险区螺钉后,可以降低钢板和固定螺钉的最大应力和松动断裂的风险,同时可以降低钢板对骨盆的应力遮挡作用。髂腹股沟钢板和Stoppa钢板在增加了两枚四边体双皮质螺钉后,上下骨折面的位移差组内比较均为最小。后柱骨折模型中,联合固定模型组由于增加了耻坐螺钉,后柱钢板和后柱螺钉的应力均下降,三种状态下骨折面的平均位移差和最大位移差的最小值均出现在联合应用耻坐螺钉模型组。结论通过髂腹股沟入路和Stoppa入路处理髋臼前柱骨折时,钢板联合四边体危险区螺钉均可以有效提高生物力学相容性和稳定性。在处理髋臼后柱骨折时,放置四边体螺钉可增加后柱钢板或后柱螺钉的固定强度,降低内固定失效的风险。
武丽君[5]（2021）在《投影驱动的极稀疏投影CT图像重建应用研究》文中研究表明计算机断层成像技术（Computed Tomography.简记作CT）是种获得物体断面的成像技术。由于人体基本组织或物体内部结构对X射线的吸收率和透射率的不同,首先使用高灵敏度的检测器对待重建物体进行扫描获得投影数据,然后将投影数据传输到计算机,最后使用计算机对投影数据进行处理,处理后即可获得待检测物体断面图像。CT成像技术在工业和医学方面发挥了关键作用,但其在实际应用中也存在一些问题:工业上,由于生产现场环境复杂,只能通过获取稀疏角度投影数据的扫描方式进行无损检测;医学上,为降低X射线对人体的伤害或避免物体在检测时的运动,通常采用减少投影角度的方法缩短检测时间。因此,如何在稀疏投影数据的情况下,精确地重建CT图像,提供充分适宜工业检测和影像学诊断需要的重建图像,成为CT成像研究领域的热点问题。综合已有文献并与CT技术人员沟通,本文将[0,2π)范围内扇束/锥束扫描不超过20个投影角度的投影数据称作极稀疏投影数据。CT成像算法可以分为解析类算法和迭代类算法。解析类算法具有实现简单、成像速度快、重建图像质量高等优势,但是其稀疏投影角度条件下获得的断层图像质量差,因此常用于完备投影数据条件下的图像重建。迭代类算法在稀疏投影重建方面有着解析类算法所不及的优点,随着并行处理技术的逐步发展以及计算机相关硬件成本的降低,迭代类算法已经成为相关领域研究人员和CT机生产厂商高度关注的热点。在极稀疏投影数据的情况下,本文就CT断层成像问题进行了以下几方面研究:（1）提出了投影驱动系统模型。正/反投影运算是CT断层图像重建的核心部分,系统模型对CT迭代图像重建的数值精度和重建图像质量都有着重要影响。本文结合像素驱动和射线驱动模型的优点,基于距离驱动模型的基本思想,设计了投影驱动的系统模型,并将CT迭代类图像重建与经典的压缩感知理论结合,设计了一种二维扇束CT迭代图像重建算法,本文将其称作2D-CSVD（2D-Compressed Sensing View Driven CT image reconstruction）算法。（2）将二维投影驱动模型扩展到三维,同时将二维算法扩展到锥束投影情况下的三维CT图像重建,记作3D-CSVD算法。CSVD算法均由基于投影驱动模型的粗略图像重建和最优化计算两个环节组成。（3）使用NVIDIA的CUDA架构对耗时较长的三维锥束CT图像重建程序进行并行处理。仿真结果表明,本文算法有一定的学术研究意义和工程实用价值,具体体现在:（1）数值精度高。极稀疏投影角度数下的重建图像精确地再现了模型图像的空间结构及像素分布,能处理的最少投影角度数为18个。同时,基于投影驱动的2D-CSVD算法的各项图像质量指标显着优于ART-TV迭代算法和FBP解析算法。（2）计算复杂度低。2D-CSVD算法一次迭代会处理一个投影角度,且在一个投影角度下,只需一次迭代就可以获得一行像素对所有检测器单元的贡献,减少了很多不必要的遍历运算,因此计算复杂度较之传统的迭代类CT图像重建算法大幅度降低。（3）内存开销少。在传统的迭代类CT图像重建中,系统矩阵的规模通常都很大,而基于投影驱动系统模型的图像重建则不需要对系统矩阵进行存储,大大减小了内存的开销。本课题在极稀疏投影数据的条件下,基于压缩感知理论与投影驱动模型提出的CSVD算法给相关领域的科研工作者在极稀疏投影数据的情况下进行CT迭代断层成像提供了一条切实的技术途径。
韩冶[6]（2021）在《融入医学知识的医学影像分析算法研究》文中研究指明近年来,数据驱动型算法逐渐成为了计算机医学影像分析方法的主流。目前的数据驱动算法主要侧重于学习输入数据与输出结果之间的映射关系,未能有效利用高层次的知识信息。在医学影像分析领域,高层次知识包括医生多年总结的诊断经验、人体器官形状知识、解剖特征点位置知识等,这些医学知识对于影像分析具有重要参考价值,却很难通过数据驱动型算法直接学习得到。本论文通过融入医学知识来提升医学影像分析算法的性能,在图像分割、影像诊断和图像配准三个方面进行了探索,初步取得了的良好效果。论文的具体工作内容如下:（1）融入解剖知识的低剂量小鼠Micro-CT图像分割。小鼠Micro-CT影像在临床前的癌症研究中被广泛使用。从小鼠Micro-CT中分割主要脏器是测量药物代谢、定位肿瘤病灶的先行步骤。目前小鼠Micro-CT影像大多采用低X射线剂量,造成软组织器官边界模糊,完全依靠图像本身信息难以实现准确分割,须借助器官解剖知识来提升分割精度。本章设计了一个二阶段深层监督全卷积网络,将器官形状和位置信息作为解剖知识融入深度学习网络。实验验证本章方法对主要脏器的平均分割精度Dice指标达到0.84,各器官的精度比传统方法提升了18%～26%。（2）融入医生诊断知识的非小细胞肺癌PET/CT影像诊断。肺癌影像的深度学习诊断是近年来的研究热点,现有算法大多从影像数据本身学习具有诊断价值的特征,却忽略了医生多年积累的临床诊断知识。本章将医生总结的7类肺癌淋巴结良恶性特征融入算法,首先设计了融合PET和CT的双模态影像特征的深度神经网络,然后将医生总结的特征通过全连接层与图像特征进行融合。本章方法对于非小细胞良恶性判别的敏感性为0.86,曲线下面积（Area Under the Receiver Operator Characteristic Curve,AUC）为0.96,比人类医生诊断敏感性提升了13.8%。（3）融入解剖特征点知识的肝癌核磁图像配准。肝癌手术在随访过程中,经常需要把手术前后的核磁图像进行配准,以便对比观察病灶区域的变化。传统的图像配准算法注重优化两幅图像之间的灰度相似性测度,不能有效地配准医生所关注的解剖特征点。本章将肝脏血管分叉点作为约束条件加入到点云匹配算法中,使血管分叉点的配准平均误差达到1.02mm,比传统的基于灰度的配准方法的平均误差减少了13.51mm。本文通过将医学知识融入现有的医学影像分析算法,有效提升了图像分割、配准和诊断的性能。本研究为医学知识与数据驱动型算法的结合做出了初步的积极探索。
王永琪[7]（2021）在《髋关节的CT图像分割及其三维定量分析》文中认为随着我国老龄化的加剧、交通事故的频发以及人均寿命的增加造成的骨关节疾病的患病率也是逐年递增。髋关节是人体最重要的关节,同时此处病变和坏死的发生率较高,在临床上常常使用假体置换患者坏死或者病变骨骼的髋关节置换术,已经被患者和医生证明是十分有效的方案。置换前后的生物与力学特征应该保持一致,如果不一致往往会引起像骨萎缩、假体断裂以及松动等一系列并发症,影响假体的使用寿命。所以对髋关节关键的定量参数的测量与分析也就显得十分重要,也直接决定了假体的使用寿命。本文对髋关节的CT图像分割及其三维定量分析进行了研究,重点研究了病变髋关节的分割和髋关节解剖定量参数的三维自动化测量与分析,主要进行了以下几个方面的研究:（1）采用了一种基于形态学增强的预处理方式,改善了因为股骨头和髋臼区域狭窄和病变引起的骨密度不均匀,对比度过小等问题。为后续处理提供了帮助。（2）对于病变髋关节常常出现股骨头和髋臼粘连,造成髋关节的准确分割十分困难。提出了一种改进的Otsu双阈值和分水岭拟合圆的分割算法,首先利用改进的Otsu双阈值算法对髋关节进行初分割,再结合股骨头的形状信息,利用分水岭结合拟合圆的方法,完成病变粘连髋关节的准确分割。（3）提出了一种基于标记点优化的向量法对髋臼窝边界进行提取,能够从髋臼中精确的提取出髋臼窝,该方法解决了髋臼窝形状不规则造成的提取难和不准确的问题。在传统Hough圆的基础上提出了改进的Hough圆方法,结合髋臼的特点能够自适应的确定Hough圆的半径范围,提升了拟合圆的精度。（4）针对当前髋关节的参数都是在二维平面人工手动测量的,主观性强,误差较大,采用了一种结合多张CT图像的空间参数测量方法,与医生测量的数据对比分析,相对于传统的单张二维平面测量方式,三维测量的方式可信度高,更加直观,避免了人的主观因素,结果更加准确。并利用VTK工具将分割结果三维可视化,方便医生能够更加直观、形象的观察结果在空间中的具体信息。
黄新望[8]（2021）在《基于改进U-Net的肝脏CT图像分割算法研究》文中研究指明肝脏是人体最大的并有两套供血系统的消化腺,主要位于右季肋部和上腹部,在全球最常见的恶性肿瘤和肿瘤致死病因中,肝癌位居第五位,致死率位居第三位,而早期的诊断与治疗对降低肝癌的发病率及致死率都有较大的作用。肝脏分割任务是指从给定的腹部CT图像中分割出肝脏的任务,对肝脏轮廓的精准划分能帮助医师掌握肝脏的健康状况、确定肝脏病灶区域,帮助医师在手术前制定手术规划,确保手术在切除病变区域的同时尽量保留肝脏的健康部分。由于腹部CT图像中存在的肝脏病理性变化使得肝脏形状不一、肝脏与邻近器官对比度低、图像质量不稳定等特点,因此针对腹部CT图像的肝脏分割任务面临着许多挑战。随着计算机视觉算法和深度学习方法的不断发展,卷积神经网络在生物医学图像分割上受到了越来越广泛的应用。其中,通过利用获取上下文信息的收缩路径和实现精确定位的拓张路径共同组成的U-Net网络模型在医学图像分割中取得较好的结果。但是,原始的U-Net网络模型在分割性能上还有较大提升空间;但如果采用通过增加卷积核来扩大网络层数进而提升模型效果等常规方法,会增大模型的参数量和网络运算量,这将导致网络模型的训练推理变得更加困难,同时这也对计算机的性能提出更高的要求。本文为了提升U-Net网络模型在肝脏CT图像分割的效果,即在提升肝脏分割中DICE相似指数、召回率和准确率等分割评价时,避免通过采取增加网络参数量或提升计算机运算性能等常规做法,提出一种新的解决方法。首先是使用限制对比度自适应均衡算法对腹部CT图像中的特定区域进行图像增强,从而提升兴趣区域中肝脏对比度,为网络模型及人眼有效识别和分割提供较好的数据;其次为了检测并分割肝脏近心端和远心端的小目标问题,引入注意力机制算法对网络的卷积模块进行改进优化,提升网络处理样本不均衡中对小目标的检测识别能力;最后为了提升网络模型在边界处理上和位置还原上的性能,引入密集连接机制对网络模型进行优化改进,从而解决肝脏分割中边缘处理能力较差、边缘丢失及边界不清晰等问题。实验结果表明,改进后的U-Net网络模型能够较好的适应不同病理程度的腹部CT图像肝脏分割,该方法能够有效的提升肝脏分割的主要性能,DICE相似系数从86.43%提升到89.43%,召回率从88.65%提升到92.15%,精确率从92.43%提升到93.64%,在主要评价指标上都有一定的提升。本文为了有效利用基于改进U-Net网络的腹部CT图像肝脏分割结果,对分割结果的应用方面进行了一定的研究,为肝脏分割结果有效利用提供了技术路线。研究主要包括对腹部CT图像中的肝脏提取、冗余信息裁剪、病灶信息像素调整等方法,从而提升了肝脏病灶分割中对不明显肝脏病灶分割的检测精度。实验结果证明,通过先分割肝脏,再分割病灶的两步走方法能够有效的应对病灶分割中目标不突出的问题,为深入研究肝脏病灶分割提供了实践准备。
武鹏杰[9]（2020）在《针对煤岩试件CT图像的三维重建技术研究》文中研究表明可视化及图形图像等技术,特别是CT扫描技术的高速发展,为有效表征煤岩内部结构与构造提供了有力手段。然而,CT扫描图像均为二维断面切片,而决定煤岩力学结构是三维空间构造,二维图像很难系统的反映煤岩内部完整结构信息。因此,本文拟通过一系列二维CT图像反映的煤岩试件断面信息,构建煤岩内部三维结构和构造,进行实现煤岩试件的三维重建,以期为岩石力学研究提供一种有力表征手段。首先,在获取数据后使用现有的软件AVIZO对煤岩试件CT图像进行了三维重建工作,发现重建的三维图像由于图像空间间隔较大,无法很好的还原试件本身。对此,本文系统的研究了煤岩试件CT图像的各种类型的层间插值算法原理,在此基础上对各算法优缺点进行了对比研究。其中基于匹配的插值效果优于上述几种算法,且通过研究发现基于匹配的插值算法的本质是选择最优匹配点的插值方法,由此提出了一种结合神经网络中的线性回归来训练拟合函数寻找最优的匹配点来对此算法优化。其次,在对煤岩试件的CT图像均匀的插入新的断层图像后,对CT图像的重建分析研究后,选择了移动立方体（Marching Cube）算法来对煤岩试件CT图像进行重建,并针对算法运算速度慢的特点提出一种在原算法基础上的改进的MC算法。最后,利用经过层间插值、图像处理的煤岩试件CT图像通过MATLAB自主编程来完成煤岩试件的三维重建实验工作,并对比改进后的算法效果是否到达要求。
黄超[10]（2019）在《人体组成检测相关影像分割研究》文中指出背景和目的肥胖等营养相关慢性病的流行已成为包括我国在内全球众多国家面临的重大公共卫生挑战。腰围、体重指数等人体测量指标是间接粗略的脂肪含量替代指标,许多学者报道基于这些指标的疾病研究结果相互不一致,说明其不适宜用做脂肪含量评估。这些指标也不能反映肌肉等其他人体组成的分布。近些年来,人体组成分析作为客观精细的营养状态评估手段日益受到营养学家和生理学家的青睐。在组织-系统水平上,人体组成包括脂肪、肌肉等组织和器官、系统,各自代表独特的生理功能单元。不同人体组成的质量和分布反映不一样的疾病和健康状态。计算机断层扫描（Computed Tomography,CT）和磁共振成像（Magnetic Resonance Imaging,MRI）是检测软组织和器官的金标准,其用于人体组成分析的流程包括三个步骤:图像采集、在图像上分割人体组成区域、根据分割结果计算人体组成的体积和质量。目前,第二步操作高度依赖专家手动勾画,耗时耗力,是阻碍CT和MRI被广泛应用于人体组成分析的瓶颈。开发高效准确的影像中人体组成自动分割工具将为基于CT和MRI的人体组成分析解决重大技术难题,促进人体组成分析的推广使用。为此,我们相继开展了以下两项研究:MRI中全身骨骼肌、脂肪等人体组织的自动分割,以及CT和MRI中肝脏等人体器官的自动分割。方法为分割人体组织,本文提出了一个基于U-Net的神经网络模型MS-denseUNet。为了减少细节丢失提高分割准确性,该模型借鉴DenseNet的全连接思想创新性地引进了多分辨率层间的致密连接。该研究数据集包括2个,分别包含了于2009年12月至2010年7月在浙江大学附属第二医院完成MRI扫描的70位参与者,以及于2012年10月至2013年6月在浙江省立同德医院完成MRI扫描的36位参与者。前者被用于训练模型,后者用作外部测试。对照模型有U-Net和CE-Net。为满足同时分割多种人体器官的现实需求,本文设计了普适性神经网络3D U2-Net,其设计思路为以传统卷积神经网络作基本结构,将其中标准卷积替换成基于可分卷积自定义的适配器,该模块同时包含各领域特有和领域间共享参数。研究数据集包含6个,前5个被称作基数据集用于训练并测试普适性模型,分别包括肝脏、左心房、胰脏、前列腺和海马体5个器官。使用五个基数据集同时训练普适性神经网络,所得模型为普适性模型。对照模型包括:独立模型,分别利用每个基数据集训练基本神经网络;共享模型,利用所有基数据集同时训练基本神经网络。共享模型区别于普适性模型的关键点在于前者所有参数为各领域共享,而后者同时包括了领域间共享参数和为每个领域量身定制的特有参数。最后1个为脾脏数据集被称作新数据集用于测试模型的迁移能力。主要模型评估指标均为Dice系数（%）。结果所得MS-denseUNet在外部测试集上对各种组织的分割均较理想,其分割骨骼肌、皮下脂肪、内脏脂肪、肌间脂肪的Dice系数（%）依次为86.19、88.01、72.50、55.93。MS-denseUNet在所有组织上的分割结果均优于U-Net。与CE-Net相比,在皮下脂肪上稍差一些,但在内脏脂肪和肌间脂肪上远远超过前者。普适性模型3D U2-Net在大多基数据集上的器官分割能力与独立模型、共享模型相当甚至更好,而参数量少很多。特别地,其在前列腺上表现明显优于独立模型,周边区和移行区Dice系数（%）分别为68.50和89.21。其在胰腺上表现较弱于独立模型,Dice系数（%）为62.08,但仍优于共享模型。3D U2-Net最小,参数量分别是独立模型和共享模型的1%和6%。U2-Net在新数据集上分割脾脏的能力优于共享模型。结论本研究成功构建了两种人体组成全自动分割模型,分别是适用于MRI的全身各种脂肪、骨骼肌等的分割模型MS-denseUNet和适用于CT和MRI的普适性多器官分割模型3D U2-Net,两模型都能较好地泛化到新数据集上。特别地,普适性器官分割模型的参数量相比传统方法减少很多,因而计算代价和所需存储空间都小很多,更适合在现实环境中部署和应用。
二、成人脏器的CT图像计算机三维测量与分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、成人脏器的CT图像计算机三维测量与分析（论文提纲范文）
（1）基于深度学习实现胰腺分割及自动体积测量的初步研究（论文提纲范文）
| 1 资料与方法 |
| 1.1 样例定义 |
| 1.2 研究队列的建立 |
| 1.3 分割模型的建立 |
| 1.4 胰腺三维径线、体积及平均CT值的测量 |
| 1.5 统计学分析 |
| 2 结果 |
| 2.1 胰腺分割模型评价结果 |
| 2.2 人口统计学结果及入组图像数据分布 |
| 2.3 胰腺三维径线、体积及平均CT值的测量及分析 |
| 3 讨论 |
（3）儿童正常肝脏体积的变化规律和肝脏体积公式的探讨&一个基于超声内镜的用于鉴别胃肠道间质瘤和平滑肌瘤的人工智能系统的研究（论文提纲范文）
| 摘要1 |
| abstract1 |
| 摘要2 |
| Abstract2 |
| 第一部分:儿童正常肝脏体积的变化规律和肝脏体积公式的探讨 |
| 引言 |
| 研究资料和方法 |
| 1.研究设备 |
| 2.研究资料的收集 |
| 3.肝脏三维重建和肝体积测量 |
| 4.统计学处理 |
| 5.标准肝体积公式的预测性能测试和临床应用病例分析 |
| 结果 |
| 1.患者数据和肝脏体积测量情况 |
| 2.小儿肝脏体积的变化与年龄、身高、体重和性别的相关或关联分析 |
| 3.小儿标准肝体积公式的建立 |
| 4.与此前报道的小儿标准肝体积公式的对比 |
| 5.标准肝体积公式的临床应用病例分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第二部分 基于超声内镜的鉴别胃肠道间质瘤和平滑肌瘤的人工智能系统的研究 |
| 引言 |
| 研究对象和方法 |
| 1.GISTs和 GILs在 EUS中和病理诊断中的诊断标准 |
| 2.用于开发和验证鉴别GISTs和 GILs的 AI模型的患者资料的收集 |
| 3.伦理与安全 |
| 4.在AI模型开发中的EUS图像质量控制 |
| 5.基于EUS鉴别GISTs和 GILs的 AI模型与系统的开发 |
| 6.鉴别GISTs和 GILs的 AI系统的诊断试验的设计 |
| 7.统计分析方法 |
| 结果 |
| 1.AI模型的性能 |
| 2.诊断试验结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 儿童标准肝体积公式和临床应用 |
| 综述参考文献 |
| 攻读学位期间的研究成果 |
| 附录 以正式出版论文附文如下 |
| 致谢 |
（4）四边体置钉治疗髋臼骨折的数字解剖学研究及有限元分析（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 符号说明 |
| 综述 髋臼四边体骨折的治疗现状及进展 |
| 参考文献 |
| 第一部分 四边体区域的数字解剖学参数研究测量 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附 图、表 |
| 参考文献 |
| 第二部分 四边体置钉参数的数字解剖学测量 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附 图、表 |
| 参考文献 |
| 第三部分 四边体置钉治疗髋臼骨折的有限元分析 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附 图、表 |
| 参考文献 |
| 全文总结及展望 |
| 附录 髂腹股沟入路四边体危险区螺钉的临床应用病例 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅以及答辩情况表 |
| 外文论文 |
（5）投影驱动的极稀疏投影CT图像重建应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题的来源与背景 |
| 1.2 论文的研究内容与结构 |
| 1.3 课题的创新点 |
| 第二章 相关理论与技术 |
| 2.1 CT成像的理论基础 |
| 2.1.1 物理基础 |
| 2.1.2 数学基础 |
| 2.2 经典CT图像重建算法 |
| 2.2.1 反投影算法 |
| 2.2.2 解析类算法 |
| 2.2.3 迭代类算法 |
| 2.3 基于压缩感知(CS)的CT图像重建 |
| 2.3.1 压缩感知(CS)理论 |
| 2.3.2 CS理论框架下的CT图像重建 |
| 2.4 CUDA并行编程模型 |
| 2.5 本章小结 |
| 第三章 极稀疏投影数据的二维CT图像重建 |
| 3.1 二维正/反投影算法 |
| 3.1.1 正/反投影模型 |
| 3.1.2 正/反投影矩阵 |
| 3.2 2D-CSVD算法实现 |
| 3.3 仿真实验与结果分析 |
| 3.4 本章小结 |
| 第四章 极稀疏投影数据的三维CT图像重建 |
| 4.1 引言 |
| 4.2 三维正/反投影算法 |
| 4.3 仿真实验与结果分析 |
| 4.4 本章小结 |
| 第五章 三维成像算法的CUDA并行实现 |
| 5.1 CPU、GPU与CUDA |
| 5.1.1 CPU与GPU的关系 |
| 5.1.2 CUDA |
| 5.2 算法CUDA并行设计 |
| 5.2.1 粗略图像重建 |
| 5.2.2 最优化计算 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间研究成果 |
| 学位论文评阅及答辩情况表 |
（6）融入医学知识的医学影像分析算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 图像分割 |
| 1.2.2 疾病诊断 |
| 1.2.3 图像配准 |
| 1.3 本文的工作内容 |
| 2 深度学习及图像配准基础理论 |
| 2.1 人工神经网络 |
| 2.1.1 感知机 |
| 2.1.2 反向传播网络 |
| 2.2 卷积神经网络 |
| 2.2.1 卷积神经网络 |
| 2.2.2 卷积层 |
| 2.2.3 反卷积层 |
| 2.2.4 池化层 |
| 2.2.5 批归一化层 |
| 2.2.6 激活函数 |
| 2.2.7 损失函数 |
| 2.2.8 优化器 |
| 2.3 深度学习网络结构 |
| 2.3.1 Alex Net |
| 2.3.2 Res Net |
| 2.3.3 FCN |
| 2.3.4 U-Net |
| 2.4 图像配准 |
| 2.4.1 图像配准理论基础 |
| 2.4.2 配准变形方式 |
| 2.4.3 配准相似性测度 |
| 2.5 评价标准 |
| 2.5.1 分割任务评价标准 |
| 2.5.2 分类任务评价标准 |
| 2.6 本章小结 |
| 3 融入解剖知识的低剂量小鼠Micro-CT图像分割 |
| 3.1 引言 |
| 3.2 实验数据 |
| 3.3 算法描述 |
| 3.3.1 数据预处理 |
| 3.3.2 网络构建 |
| 3.3.3 深层监督 |
| 3.3.4 网络训练 |
| 3.4 实验结果与分析 |
| 3.4.1 不同分割算法在低对比度图像上的定性比较 |
| 3.4.2 不同分割算法在低对比度图像上的定量比较 |
| 3.4.3 本研究方法与现有前沿方法的比较 |
| 3.4.4 不同分割算法在真实低对比度图像上的结果比较 |
| 3.4.5 不同方法分割时间对比 |
| 3.5 本章小结 |
| 4 融入医生诊断知识的非小细胞肺癌PET/CT影像诊断 |
| 4.1 引言 |
| 4.2 实验数据 |
| 4.3 算法描述 |
| 4.3.1 数据预处理 |
| 4.3.2 深度残差网络的设计 |
| 4.3.3 双模态输入网络的设计 |
| 4.3.4 融入医生诊断特征网络的设计 |
| 4.4 实验结果分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 训练过程曲线的分析和比较 |
| 4.4.3 网络结构对于诊断性能的比较 |
| 4.4.4 和医生诊断结果的比较 |
| 4.4.5 可视结果的比较 |
| 4.5 本章小结 |
| 5 融入解剖特征点知识的肝癌核磁图像配准 |
| 5.1 引言 |
| 5.2 实验数据 |
| 5.3 算法描述 |
| 5.3.1 数据预处理 |
| 5.3.2 点云匹配 |
| 5.3.3 TPS-RPM算法 |
| 5.3.4 基于标定点的TPS-RPM算法 |
| 5.4 实验结果与分析 |
| 5.4.1 评价指标 |
| 5.4.2 评价指标对比 |
| 5.4.3 配准结果对比 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）髋关节的CT图像分割及其三维定量分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题的背景与研究意义 |
| 1.2 国内外研究现状和发展趋势 |
| 1.2.1 医学图像分割现状 |
| 1.2.2 髋关节参数测量现状与发展趋势 |
| 1.3 目前研究存在的问题 |
| 1.4 论文研究内容及章节安排 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文章节安排 |
| 2 病变粘连髋关节的预处理与分割算法 |
| 2.1 DICOM图像标准及CT图像相关知识 |
| 2.2 预处理 |
| 2.2.1 滤波去噪 |
| 2.2.2 等方性处理 |
| 2.2.3 基于形态学的图像增强 |
| 2.3 分割算法 |
| 2.3.1 改进的Otsu双阈值图像分割 |
| 2.3.2 基于分水岭与拟合圆的目标分割 |
| 2.4 图像分割评价指标与结果分析 |
| 2.5 本章小结 |
| 3 髋臼窝的边界提取与拟合圆算法 |
| 3.1 髋臼窝边界提取 |
| 3.1.1 向量法提取 |
| 3.1.2 基于标记点优化的向量法提取 |
| 3.2 髋臼窝的拟合圆算法 |
| 3.2.1 Hough法基础 |
| 3.2.2 代表点快速的Hough圆变换 |
| 3.2.3 自适应半径的Hough圆变换 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 4 髋关节的三维重建 |
| 4.1 医学图像三维重建方法 |
| 4.1.1 体绘制方法 |
| 4.1.2 面绘制方法 |
| 4.2 基于VTK的三维重建算法实现 |
| 4.2.1 VTK简介及处理流程 |
| 4.2.2 VTK移动立方体算法实现 |
| 4.3 实验效果 |
| 4.4 本章小结 |
| 5 髋臼窝拟合球与角度参数的测量与分析 |
| 5.1 拟合球参数测量与分析 |
| 5.1.1 累加法求取参数 |
| 5.1.2 最小二乘求立体球参数 |
| 5.1.3 实验结果与分析 |
| 5.2 前倾角和外展角的测量与分析 |
| 5.2.1 平面拟合与角度计算 |
| 5.2.2 实验结果与分析 |
| 5.3 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（8）基于改进U-Net的肝脏CT图像分割算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状和发展趋势 |
| 1.3 论文内容和结构安排 |
| 1.3.1 论文内容 |
| 1.3.2 结构安排 |
| 2 CT图像理论基础与深度学习理论基础 |
| 2.1 肝脏在人体的位置及分割难度 |
| 2.1.1 肝脏在人体的位置 |
| 2.1.2 肝脏的特点与其他器官的关系 |
| 2.2 CT图像成像基础与原理 |
| 2.2.1 CT图像的成像机理 |
| 2.2.2 CT值与窗宽窗位 |
| 2.2.3 CT图像的保存格式 |
| 2.2.4 CT图像的质量影响因素 |
| 2.3 经典的肝脏CT图像分割算法 |
| 2.4 卷积神经网络理论基础 |
| 2.4.1 卷积神经网络基本结构 |
| 2.4.2 优化策略 |
| 2.4.3 训练参数设置 |
| 2.5 本章小结 |
| 3 基于U-Net网络的肝脏CT图像分割方法 |
| 3.1 U-Net网络模型概述 |
| 3.2 网络运行参数的设置 |
| 3.2.1 数据集的来源 |
| 3.2.2 数据预处理的方式 |
| 3.2.3 数据增强 |
| 3.2.4 实验环境及超参数设置 |
| 3.2.5 实验数据划分 |
| 3.3 U-Net网络运行结果 |
| 3.3.1 常见结果评价指标 |
| 3.3.2 实验结果及分析 |
| 3.4 本章小结 |
| 4 基于改进U-Net网络的肝脏CT图像分割方法 |
| 4.1 引言 |
| 4.2 限制对比度自适应均衡算法 |
| 4.3 注意力机制 |
| 4.4 密集卷积网络 |
| 4.5 基于改进的U-Net网络肝脏分割结果 |
| 4.6 实验结果对比与分析 |
| 4.7 本章小结 |
| 5 肝脏CT图像病灶分割方法 |
| 5.1 引言 |
| 5.2 基于改进的U-Net网络的肝脏分割结果后处理 |
| 5.2.1 概述 |
| 5.2.2 图像处理“与”操作 |
| 5.2.3 基于统计学分析的肝脏区域提取 |
| 5.2.4 基于特征分析的像素调整策略 |
| 5.3 肝脏CT图像病灶分割实验 |
| 5.3.1 实验数据与平台环境 |
| 5.3.2 实验评价指标 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（9）针对煤岩试件CT图像的三维重建技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 煤岩试件三维重建的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 2 针对煤岩试件CT图像的层间插值算法研究 |
| 2.1 煤岩试件图像特点分析 |
| 2.2 针对煤岩试件CT图像的层间插值原理 |
| 2.2.1 层间插值算法原理 |
| 2.2.2 层间插值算法在煤岩CT图像的应用分析 |
| 2.3 基于匹配插值的煤岩层间算法的改进 |
| 2.3.1 基于神经网络对匹配插值算法改进原理 |
| 2.3.2 改进后的插值算法仿真对比分析 |
| 2.4 本章小结 |
| 3 基于改进移动立方体的煤岩试件三维重建算法研究 |
| 3.1 三维重建算法的分析 |
| 3.2 三维重建算法原理 |
| 3.2.1 标准移动立方体(MC)算法的原理 |
| 3.2.2 针对煤岩试件CT图像MC算法重建的不足 |
| 3.3 基于煤岩试件重建算法的改进 |
| 3.4 基于移动立方体算法的三维重建流程 |
| 3.4.1 三维重建流程图步骤 |
| 3.4.2 图像增强对于煤岩试件的特点分析 |
| 3.4.3 煤岩试件CT图像分割 |
| 3.4.4 煤岩三维重建 |
| 3.5 本章小结 |
| 4 基于改进后煤岩试件三维重建的实现 |
| 4.1 煤岩试件简介 |
| 4.2 煤岩试件CT图像处理实验 |
| 4.2.1 设备平台介绍 |
| 4.2.2 图像增强及二值化实验方案介绍 |
| 4.2.3 实验过程与结果 |
| 4.3 三维重建实验 |
| 4.3.1 重建实验 |
| 4.3.2 实验分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（10）人体组成检测相关影像分割研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 学位论文整体研究路线图 |
| 主要缩写词列表 |
| 第1章 文献综述与立题依据 |
| 1.1 人体组成概念 |
| 1.2 人体组成与肥胖等营养相关慢性病 |
| 1.3 人体组成检测方法 |
| 1.3.1 人体测量学方法 |
| 1.3.2 密度测定法 |
| 1.3.3 生物电阻抗 |
| 1.3.4 双能X射线吸收 |
| 1.3.5 金标准方法CT和MRI |
| 1.4 分割工具的缺乏限制了CT和MRI在人体组成学的应用 |
| 1.5 本文使用的分割方法概论 |
| 1.5.1 深度卷积神经网络简介 |
| 1.5.2 基于深度卷积神经网络的医学影像分割研究现状 |
| 1.6 立题依据、研究目的、研究设计及意义 |
| 1.6.1 立题依据 |
| 1.6.2 研究目的 |
| 1.6.3 研究设计 |
| 1.6.4 研究意义 |
| 第2章 MRI中全身骨骼肌、脂肪等人体组织的自动分割研究 |
| 2.1 研究背景 |
| 2.2 数据和方法 |
| 2.2.1 研究对象和数据集 |
| 2.2.2 人体测量 |
| 2.2.3 MRI扫描 |
| 2.2.4 MRI图像人体组成的人工分割 |
| 2.2.5 MRI图像预处理 |
| 2.2.6 数据增广 |
| 2.2.7 分割模型 |
| 2.2.8 损失函数 |
| 2.2.9 模型训练 |
| 2.2.10 评价指标 |
| 2.2.11 统计分析 |
| 2.3 结果 |
| 2.3.1 研究对象基本特征 |
| 2.3.2 全身分割结果 |
| 2.3.3 对比其他分割模型 |
| 2.3.4 局部分割结果 |
| 2.3.5 一致性和定性分析 |
| 2.4 讨论 |
| 2.5 本章小结 |
| 第3章 CT和MRI中肝脏等人体器官的自动分割研究 |
| 3.1 研究背景 |
| 3.1.1 相关工作 |
| 3.2 数据和方法 |
| 3.2.1 数据集 |
| 3.2.2 数据预处理 |
| 3.2.3 数据增广 |
| 3.2.4 任务描述 |
| 3.2.5 模型 |
| 3.2.6 适配器模块 |
| 3.2.7 损失函数 |
| 3.2.8 模型训练 |
| 3.2.9 模型分割后处理 |
| 3.2.10 评价指标 |
| 3.3 实验和结果 |
| 3.3.1 数据集基本特征 |
| 3.3.2 独立模型 |
| 3.3.3 共享模型 |
| 3.3.4 普适性模型 |
| 3.3.5 不同模型的大小比较 |
| 3.3.6 不同模型在新数据集上的表现 |
| 3.4 讨论 |
| 3.5 本章小结 |
| 第4章 总结与展望 |
| 4.1 总结 |
| 4.2 创新点 |
| 4.3 局限性 |
| 4.4 研究展望 |
| 参考文献 |
| 作者简介 |
四、成人脏器的CT图像计算机三维测量与分析（论文参考文献）
- [1]基于深度学习实现胰腺分割及自动体积测量的初步研究[J]. 蔡金秀,崔应谱,孙兆男,张耀峰,张大斗,张晓东,王霄英. 临床放射学杂志, 2022(01)
- [2]计算机断层扫描在活体测定杜洛克种公猪胴体和肉质性状中的应用研究[D]. 任志强. 西北农林科技大学, 2021
- [3]儿童正常肝脏体积的变化规律和肝脏体积公式的探讨&一个基于超声内镜的用于鉴别胃肠道间质瘤和平滑肌瘤的人工智能系统的研究[D]. 杨新天. 青岛大学, 2021
- [4]四边体置钉治疗髋臼骨折的数字解剖学研究及有限元分析[D]. 赵北. 山东大学, 2021(12)
- [5]投影驱动的极稀疏投影CT图像重建应用研究[D]. 武丽君. 山东大学, 2021(12)
- [6]融入医学知识的医学影像分析算法研究[D]. 韩冶. 大连理工大学, 2021(01)
- [7]髋关节的CT图像分割及其三维定量分析[D]. 王永琪. 西南科技大学, 2021(08)
- [8]基于改进U-Net的肝脏CT图像分割算法研究[D]. 黄新望. 东北林业大学, 2021
- [9]针对煤岩试件CT图像的三维重建技术研究[D]. 武鹏杰. 中北大学, 2020(09)
- [10]人体组成检测相关影像分割研究[D]. 黄超. 浙江大学, 2019(01)