基于多期相特征融合的肝肿瘤CT图像分割方法研究.pdf

目录

摘要I

AbstractIII

1绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1传统医学图像分割方法2

1.2.2基于深度学习的医学图像分割方法4

1.2.3基于特征融合的多期相CT分割方法6

1.3论文主要研究内容7

1.4论文的结构安排8

1.5本章小结8

2相关背景知识11

2.1多期相CT11

2.2卷积神经网络12

2.2.1卷积层12

2.2.2池化层13

2.2.3全连接层和输出层14

2.2.4三维卷积15

2.3Transformer模型架构15

2.3.1VisionTransformer16

2.3.2SwinTransformer17

2.4神经网络轻量化18

2.5特征融合分割18

2.6本章小结19

3基于轻量化网络的多期相肝肿瘤CT图像分割21

3.1引言21

3.2多期相特征融合轻量化3D卷积分割网络结构21

3.2.13DU-Net模型22

3.2.2用于滤波器特征总结的张量字典学习23

3.2.3基于内在特征相关性的滤波器选择25

3.3实验过程与分析26

3.3.1实验设置26

3.3.2数据集介绍26

3.3.3评价指标29

3.3.4实验结果与分析30

3.4本章小结35

4基于多期相特征融合网络的肝肿瘤CT图像分割37

4.1引言37

4.2基于SwinTransformerBlock的多期相特征融合网络37

4.2.1网络整体架构37

4.2.2SwinTransformerBlock39

4.2.3多期相特征融合机制40

4.3实验过程与分析42

4.3.1实验设置42

4.3.2数据集42

4.3.3评价指标43

4.3.4实验结果与分析43

4.4本章小结48

5肝肿瘤语义分割系统的设计与实现49

5.1引言49

5.2系统需求分析及总体设计49

5.2.1需求分析49

5.2.2系统整体设计50

5.3系统开发环境51

5.4模块设计52

5.5系统效果展示53

5.6本章小结57

6总结与展望59

6.1全文总结59

6.2未来展望59

参考文献61

致谢69

摘要

医学图像在临床医学诊断及手术方案制定中扮演着关键角色，作为重要的辅助工具，

医学影像的复杂性远超自然图片。医学图像分割是将目标器官组织从复杂的图像中准确地

分离出来，以降低目标分析的复杂度和难度。如何有效地进行医学图像分割一直是医学图

像领域的一个重要挑战。

本研究以多期相腹部CT作为研究数据，旨在实现对肝脏肿瘤区域的精准分割。为此，

我们利用了多期相的特征信息，并设计了两种深度学习网络框架，用于融合这些特征，两

种网络模型有着不同的特征融合机制，通过特征融合，我们实现了比单