导读:本文包含了肝脏分割论文开题报告文献综述及选题提纲参考文献，主要关键词:CT图像,肝脏血管,分割,叁维卷积神经网络
肝脏分割论文文献综述
杨倩梅,张学军,宁小霞[1]（2019）在《基于叁维卷积神经网络的肝脏静脉血管的分割》一文中研究指出针对传统的血管分割算法需人工参与且分割效果不佳,神经网络的方法存在设计特征量的数量有限等诸多问题,提出了一种基于叁维卷积神经网络的血管分割的算法,可以利用多层卷积神经网络获取叁维图像的特征,与传统的二维分割有很大的不同。通过正负样本训练后得到的模型,可以对CT图像分割后的叁维子块V_i中心位置的像素点进行分类实现血管的自动分割。使用正负样本各14 976个来进行训练和测试所提出的叁维卷积神经网络算法,最终,叁维卷积神经算法的准确率能够达到86.11%,Dice相似系数为92.43%,召回率为99.76%。实验结果表明了基于叁维卷积神经网络的血管分割算法的有效性,可以获得比二维输入数据更好的实验结果。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
王继伟,李成伟,黄绍辉,王博亮[2]（2019）在《基于3D＿ResUnet肝脏CT图像分割的临床应用研究》一文中研究指出目的:为解决传统肝实质分割方法在阈值分割方面存在的分割精度低的问题。方法:采用AI自动识别算法,通过Unet与Resnet相结合的3D_ResUnet网络对肝脏CT图像进行分割,并对分割结果通过最大联通分量的方法去除杂质,得到较为精确的肝脏区域,实现肝实质自动分割。结果:基于3D_ResUnet的肝脏CT图像分割,其分割的平均Dice为96.12%,高于3D_Unet的分割精度。结论:基于3D_ResUnet的肝脏CT图像分割提高了肝实质分割的精度,实现了无需人工交互的全自动分割,通过应用在肝癌手术计划系统中,为临床医生的肝癌手术规划提供了可视化依据。(本文来源于《中国数字医学》期刊2019年10期）
徐宝泉,凌彤辉[3]（2019）在《基于叁维全卷积网络的肝脏和肝癌分割算法研究》一文中研究指出为了解决计算机断层扫描(computed tomography,CT)影像中肝脏和肝癌的准确分割问题,提出了基于叁维全卷积网络的肝脏分割算法和肝癌分割算法;肝脏分割算法和肝癌分割算法都采用Vnet网络进行分割;在肝脏分割算法中,采用了形态学方法进行后处理,提高了肝脏分割准确率;在肝癌分割算法中,采用了组合损失函数训练Vnet网络,使得Vnet网络更好地收敛,并加入后处理提高了肝癌分割准确率;为了验证算法的性能,采用MICCAI 2017Liver Tumor Segmentation Challenge(LiTS)数据集进行了肝脏分割和肝癌分割的5折交叉验证实验;肝脏分割算法在测试集的平均分割准确率为0.9510,高于Unet网络和3DUnet网络;肝癌分割算法的平均分割准确率为0.712;实验结果表明,肝脏分割算法可以准确地对肝脏进行分割,肝癌分割算法也达到了较高的准确率。(本文来源于《计算机测量与控制》期刊2019年09期）
李静,吴雨润,沈南燕,张宇辰,孙杰[4]（2019）在《基于GrabCut的肝脏CT影像分割技术研究与实现》一文中研究指出针对基于灰度的肝脏分割方法对于噪声敏感,对低对比度图像鲁棒性不高且不能对分割结果进行微调的问题,基于GrabCut算法使用Python语言实现了一种半自动肝脏分割方法。实验表明该方法仅仅需要简单的交互即可实现对肝脏的精确分割,具有较高使用价值。(本文来源于《工业控制计算机》期刊2019年08期）
王荣淼,张峰峰,詹蔚,陈军,吴昊[5]（2019）在《基于空间约束的模糊C均值聚类肝脏CT图像分割》一文中研究指出传统模糊C均值(FCM)聚类算法应用于肝脏CT图像分割时仅考虑像素本身特征,无法解决灰度不均匀造成的影响以及肝脏边界模糊造成的边界泄露的问题。为解决上述问题,提出一种结合空间约束的模糊C均值(SFCM)聚类分割算法。首先,使用二维高斯分布函数构建卷积核,利用该卷积核对源图像进行空间信息提取得到特征矩阵;然后,引入空间约束惩罚项,更新并优化目标函数得到新的迭代方程;最后,通过多次迭代,完成对肝脏CT图像的分割。实验结果表明,SFCM算法分割具有灰度不均匀和边界粘连的肝脏CT图像时得到的肝脏轮廓形状更加规则,准确率达到92.8%,比FCM和直觉模糊C均值(IFCM)算法的分割准确率分别提升了2.3和4.3个百分点,过分割率分别降低了4.9和5.3个百分点。(本文来源于《计算机应用》期刊2019年11期）
马静,张苏元[6]（2019）在《肝脏磁共振图像分割方法的研究》一文中研究指出肝脏磁共振图像分割是诊断肝脏疾病的重要手段之一,偏移场是肝脏磁共振图像中通常存在的灰度不均匀现象,由于偏移场的存在,导致图像分割效果不理想。本文采用正则化相邻局部灰度聚类算法对肝脏磁共振图像进行偏移场矫正,在能量函数中加入辅助变量来解决非凸隶属函数,通过迭代计算得到最优偏移场矫正结果,并采用基于水平集的图像分割算法对矫正后图像进行分割,通过差值图像,灰度直方图,杰卡德系数和戴斯系数来评价本文算法的性能及图像分割效果,并与N4算法进行对比分析。仿真结果表明,相邻局部灰度聚类算法引入总变分项矫正后,图像与原始图像差值更大,灰度分布更均匀,图像分割结果更准确,便于医生进行病理观察及诊断。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
林天武,邹春莉,吴佩琪[7]（2019）在《CT图像处理中肝脏分割技术研究进展》一文中研究指出医学图像处理(image processing)技术在医学疾病诊疗领域具有越来越重要的作用,可以很好的解决癌症早筛中病症不明显诊断困难的难题,通过图像处理技术可以对疾病进行精确的确诊。其中器官分割是图像处理技术的基础技术,其分割结果直接影像更深入的图像处理。本文介绍CT图像处理中肝脏分割技术的研究进展,包括基于无监督、弱监督学习的分割算法和基于监督学习的分割算法两大方面,并介绍了近年迅速发展的人工智能技术在医疗领域中的应用,尤其是人工智能在CT图像分割领域中的应用进展,同时展望了人工智能在医学影像学中的应用前景。(本文来源于《中国继续医学教育》期刊2019年21期）
刘铭,叶宏伟[8]（2019）在《CT图像的肝脏及肝脏肿瘤分割方法研究》一文中研究指出医学图像处理是医学流程中十分重要的一环,目前医学图像处理的主要研究方向有图像分割,结构分析,图像配准等。其中图像分割对于独立器官观测以及病灶检测具有更加重要的意义,可以降低医生的工作负担,使其注意力集中在需要诊断的器官上。在过去的30年里,肝脏和肝脏肿瘤分割已经引起了相当多的关注,并出现了自动化,半自动化和交互式的分割方法。目前分类卷积神经网络在图像分类方面取得了巨大的成就,但是语义分割需要判断每个像素点的类别,而不是整个图片的类别。针对这个问题,全卷积网络随之被提出,并成为图像语义分割的基本框架。本文中我们使用二维与叁维的全卷积级联网络分别作为分割模型,使用Dice相似性系数来作为模型的损失函数,并运用多种预处理方法来处理训练的CT训练数据,进行预处理方法以及模型对肝脏分割性能影响的研究。(本文来源于《中国医学装备大会暨2019医学装备展览会论文汇编》期刊2019-07-18）
廖苗,刘毅志,欧阳军林,余建勇,赵于前[9]（2019）在《基于非线性增强和图割的CT序列肝脏肿瘤自动分割》一文中研究指出针对腹部CT图像肝脏肿瘤对比度低、边界模糊、灰度多样等因素引起的分割困难,提出基于非线性增强和图割的肝脏肿瘤自动分割.首先根据肝脏区域灰度分布特性,采用自适应分段非线性增强和迭代卷积操作提高正常肝实质与肿瘤组织的对比度;然后将增强结果和图像边界信息有效地融入图割能量函数,实现肝脏肿瘤初步自动分割结果;最后采用叁维形态学开操作对初步分割结果进行优化,去除其中的误分割区域,提高分割精度.在3Dircadb和XYH数据库上的实验结果表明,该方法能有效地自动分割腹部CT序列中的肝脏肿瘤,且综合分割性能优于现有多种方法.(本文来源于《计算机辅助设计与图形学学报》期刊2019年06期）
金望迅,王兵,张云利,王新保,郭剑民[10]（2019）在《联合肝脏分割和门静脉结扎的二步肝切除术术后早期复发原因的分析》一文中研究指出目的回顾性分析联合肝脏分割和门静脉结扎的二步肝切除术(associating liver partition and portal vein ligation for staged hepatectomy,ALPPS)后早期复发情况的原因。方法选取2014年6月～2016年6月接受ALPPS或射频消融辅助ALPPS(radiofrequency ablation assisted ALPPS,RALPPS)治疗的12例患者为研究对象。对患者的肝功能、Child-Pugh评分、病灶、肝脏分割程度、术后无病生存时间、总生存时间等指标进行回顾性分析。结果阶段-1 ALPPS后,FLR体积从(333.7±54.1)mL增加至(577.1±83.7)mL,差异有统计学意义(P<0.001)。阶段-1和阶段-2之间的间隔为:完全性ALPPS为(10.0±1.6)d,部分性ALPPS为(31.3±5.2)d,差异有统计学意义(P<0.001)。术后90 d内死亡率为0%(0/12),Clavien-Dindo并发症分级为Ⅰ～Ⅲa。术后3、6个月和12个月复发率分别为16.7%(2/12)、83.3%(10/12)和100.0%(12/12);平均DFS时间为(4.5±0.6)个月,平均生存时间为(9.0±0.7)个月,中位随访时间为11.0个月。结论 ALPPS以及RALPPS术后患者易出现早期复发。手术创伤、部分性ALPPS过长的FLR再生时间、肝实质的不完全分割、肿瘤细胞的不完全消融等均可能是术后早期复发的原因。(本文来源于《中国现代医生》期刊2019年16期）
肝脏分割论文开题报告
（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：
目的:为解决传统肝实质分割方法在阈值分割方面存在的分割精度低的问题。方法:采用AI自动识别算法,通过Unet与Resnet相结合的3D_ResUnet网络对肝脏CT图像进行分割,并对分割结果通过最大联通分量的方法去除杂质,得到较为精确的肝脏区域,实现肝实质自动分割。结果:基于3D_ResUnet的肝脏CT图像分割,其分割的平均Dice为96.12%,高于3D_Unet的分割精度。结论:基于3D_ResUnet的肝脏CT图像分割提高了肝实质分割的精度,实现了无需人工交互的全自动分割,通过应用在肝癌手术计划系统中,为临床医生的肝癌手术规划提供了可视化依据。
（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。
肝脏分割论文参考文献
[1].杨倩梅,张学军,宁小霞.基于叁维卷积神经网络的肝脏静脉血管的分割[J].广西大学学报(自然科学版).2019
[2].王继伟,李成伟,黄绍辉,王博亮.基于3D＿ResUnet肝脏CT图像分割的临床应用研究[J].中国数字医学.2019
[3].徐宝泉,凌彤辉.基于叁维全卷积网络的肝脏和肝癌分割算法研究[J].计算机测量与控制.2019
[4].李静,吴雨润,沈南燕,张宇辰,孙杰.基于GrabCut的肝脏CT影像分割技术研究与实现[J].工业控制计算机.2019
[5].王荣淼,张峰峰,詹蔚,陈军,吴昊.基于空间约束的模糊C均值聚类肝脏CT图像分割[J].计算机应用.2019
[6].马静,张苏元.肝脏磁共振图像分割方法的研究[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[7].林天武,邹春莉,吴佩琪.CT图像处理中肝脏分割技术研究进展[J].中国继续医学教育.2019
[8].刘铭,叶宏伟.CT图像的肝脏及肝脏肿瘤分割方法研究[C].中国医学装备大会暨2019医学装备展览会论文汇编.2019
[9].廖苗,刘毅志,欧阳军林,余建勇,赵于前.基于非线性增强和图割的CT序列肝脏肿瘤自动分割[J].计算机辅助设计与图形学学报.2019
[10].金望迅,王兵,张云利,王新保,郭剑民.联合肝脏分割和门静脉结扎的二步肝切除术术后早期复发原因的分析[J].中国现代医生.2019