导读:本文包含了肝脏图像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影像分割,肝实质,3D_ResUnet
肝脏图像论文文献综述
王继伟,李成伟,黄绍辉,王博亮[1]（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）
万振环[2]（2019）在《一种适用于肝脏CT图像配准改进的尺度不变特征变换算法》一文中研究指出针对肝脏CT图像特点,在传统的尺度不变特征变换(scale-invariant feature transform,SIFT)算法基础上,结合K-means聚类算法,提出了一种改进的特征点匹配算法。该算法通过聚类SIFT特征点坐标,将配准图像分为4个区域,特征点分块配准。与原算法相比,该算法增加了特征点匹配数量,有效隔离了特征点跨区域的错误匹配,时间复杂度也得到了一定的降低。该算法还减少了肝脏CT图像配准中错误匹配对配准结果的影响,提升了肝脏CT图像的配准精度。(本文来源于《生物医学工程研究》期刊2019年03期）
王荣淼,张峰峰,詹蔚,陈军,吴昊[3]（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）
林伟[4]（2019）在《CT联合图像Kinetics纹理分析对肝脏实质局灶性病变的诊断价值》一文中研究指出目的探讨CT联合图像Kinetics纹理分析对肝脏实质局灶性病变的诊断价值。方法选择本院2016年1月—2019年1月共收治92例肝脏实质局灶性病变患者,均进行CT增强扫描,对图像进行纹理分析,记录灰度的平均值、自相关、峰度。分析不同参数诊断肝脏实质局灶性病变的敏感度与特异度。结果 92例患者中,经手术病理证实肝脏局灶性结节性增生(FNH)43例、肝细胞肝癌(HCC)49例。FNH患者的CT动脉期灰度平均值为(97.35±23.86),显着高于HCC患者[(72.14±14.74),P<0.001];门脉期灰度平均值为(115.65±27.99),显着高于HCC患者[(83.23±19.01),P<0.001];延迟期灰度平均值为(102.13±23.78),显着高于HCC患者[(75.24±18.77),P<0.001]。FNH患者的CT动脉期自相关为(3.89±1.33)×10~(-4),显着高于HCC患者[(2.55±0.84),P<0.001];门脉期自相关为(3.03±1.09)×10~(-4),显着高于HCC患者[(2.13±0.70),P<0.001];延迟期自相关为(3.80±1.29)×10~(-4),显着高于HCC患者[(2.10±1.01),P<0.001];门脉期峰度为(4.13±1.33),显着高于HCC患者[(3.59±1.10),P<0.001]。灰度平均值对FNH与HCC的诊断价值最高,叁期敏感度均在90%左右,特异度64.32%～82.21%;灰度自相关对FNH与HCC的诊断价值也相对较高,叁期敏感度在80%左右,特异度64.59%～80.37%。结论在肝脏实质局灶性病变的诊断过程中,CT联合图像Kinetics纹理分析可为FNH与HCC的鉴别提供较多有用信息,可作为辅助手段。(本文来源于《肝脏》期刊2019年07期）
马静,张苏元[5]（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[6]（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[7]（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）
高飞,闫镔,曾磊,武明辉,谭红娜[8]（2019）在《非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法》一文中研究指出为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的MRI图像,由医生在专业软件中人工分割出病灶部位,对这些病灶部位提取高通量的328维图像特征,包括灰度、形状、纹理、小波等特征,利用最小绝对收缩和选择运算符(LASSO)和交叉验证方法从中挑选出对病理分级最有价值的特征,组成影像组学模型并融合临床信息实现对肿瘤高、低分化分类的定量分析。在170位肝脏肿瘤患者的MRI图像(T1加权图像和T2加权图像)上进行实验,通过计算接收者操作特征(ROC)曲线下面积(AUC)来衡量模型的预测性能。结果表明,基于高通量图像特征的LASSO回归定量分析方法,在训练集上获得AUC为0.909,在测试集上AUC为0.800。挑选出来的图像特征组成的影像学标签可以对高、低分化进行自动分类,从而为医生提供了一种非侵入的辅助诊断方法,有助于预后判断和治疗方案的制定。(本文来源于《生物医学工程学杂志》期刊2019年04期）
黎继昕,苏赟,赖炳佳,梁碧玲,杨绮华[9]（2019）在《对比MS BLOCK T1rho、MS HS8 T1rho及3D BLOCK T1rho序列肝脏MR图像质量及T1rho值》一文中研究指出目的对比分析MS BLOCK T1rho、MS HS8 T1rho及3D BLOCK T1rho序列肝脏MR图像质量及T1rho值。方法分别采用MS BLOCK T1rho(n=33)、MS HS8 T1rho(n=34)及3D BLOCK T1rho(n=22)序列对40名成年健康志愿者行腹部MR扫描,比较3种序列肝脏图像质量及T1rho值,以Pearson相关分析观察3种序列T1rho值的相关性。结果 3种序列的图像质量评分及T1rho值差异均有统计学意义(P均<0.01),其中MS HS8 T1rho图像质量评分及T1rho值均高于其他2种序列(P均<0.05)。MS BLOCK T1rho序列图像的T1rho值与MS HS8 T1rho、3D BLOCK T1rho均呈正相关(r=0.59、0.73,P均<0.05),MS HS8 T1rho的T1rho值与3D BLOCK T1rho呈正相关(r=0.72,P<0.05)。结论 MS BLOCK T1rho、MS HS8 T1rho及3D BLOCK T1rho序列均可应用于健康人肝脏MR成像,但用于诊断肝脏疾病时需设定不同的参考值范围。(本文来源于《中国医学影像技术》期刊2019年06期）
艾竹,韩绮嘉,梁健科,向之明[10]（2019）在《基于心电门控技术的体素内不相干运动成像评价正常肝脏图像质量》一文中研究指出目的探讨体素内不相干运动(IVIM)DWI条件下心电门控技术对肝脏图像质量和参数测量的影响。方法前瞻性收集20名志愿者行IVIM DWI,采用自由呼吸和心电门控扫描,并对所得图像进行主观评分,测量肝左、右叶SNR、ADC值及IVIM各参数值[真扩散系数(D)、假扩散系数(D~*)、灌注分数(f)]。采用Wilcoxon符号秩和检验比较肝脏图像主观质量评分,以配对t检验比较SNR、ADC值及IVIM各参数值,以Bland-Altman方法评价各参数值的一致性。结果采用心电门控技术所得图像质量主观评分明显高于自由呼吸(P均<0.01);不同b值时采用心电门控技术测得肝左叶SNR均高于自由呼吸图像(P<0.01),肝左叶ADC、f值均低于自由呼吸图像(P均<0.05),而D值则高于自由呼吸图像(P<0.05)。采用心电门控技术肝左叶D、D~*和f值的一致性好于自由呼吸图像。结论心电门控IVIM DWI可获得较好的图像质量,有效克服心脏搏动对肝左叶各参数值数据测量的影响。(本文来源于《中国医学影像技术》期刊2019年06期）
肝脏图像论文开题报告
（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：
针对肝脏CT图像特点,在传统的尺度不变特征变换(scale-invariant feature transform,SIFT)算法基础上,结合K-means聚类算法,提出了一种改进的特征点匹配算法。该算法通过聚类SIFT特征点坐标,将配准图像分为4个区域,特征点分块配准。与原算法相比,该算法增加了特征点匹配数量,有效隔离了特征点跨区域的错误匹配,时间复杂度也得到了一定的降低。该算法还减少了肝脏CT图像配准中错误匹配对配准结果的影响,提升了肝脏CT图像的配准精度。
（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。
肝脏图像论文参考文献
[1].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
[2].万振环.一种适用于肝脏CT图像配准改进的尺度不变特征变换算法[J].生物医学工程研究.2019
[3].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
[4].林伟.CT联合图像Kinetics纹理分析对肝脏实质局灶性病变的诊断价值[J].肝脏.2019
[5].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
[6].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
[7].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
[8].高飞,闫镔,曾磊,武明辉,谭红娜.非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法[J].生物医学工程学杂志.2019
[9].黎继昕,苏赟,赖炳佳,梁碧玲,杨绮华.对比MSBLOCKT1rho、MSHS8T1rho及3DBLOCKT1rho序列肝脏MR图像质量及T1rho值[J].中国医学影像技术.2019
[10].艾竹,韩绮嘉,梁健科,向之明.基于心电门控技术的体素内不相干运动成像评价正常肝脏图像质量[J].中国医学影像技术.2019
标签：CT影像分割; 肝实质; 3D_ResUnet;