论文部分内容阅读
计算机断层扫描(Computed Tomography,CT)被广泛用于临床诊断,是获取人体内部信息的重要手段。随着计算机技术和人工智能的快速发展,计算机辅助诊断(computer aided diagnosis,CAD)系统可以对CT影像进行自动化处理,为医生提供诊断依据,从而提高医生工作效率。在计算机辅助诊断系统中,器官分割技术是必不可少的。器官分割技术是对病人的器官进行定性和定量化分析的前提,是医生进行诊断并制定治疗计划的重要辅助手段。在介入消融、图像引导手术和磁感应热疗等技术中,器官分割技术都是必不可少的。器官分割技术主要应用在处理CT影像数据,但是要实现对CT影像中的器官进行快速准确地分割是一个艰巨的任务。因为CT影像比较复杂,不仅缺少简单的线性特征,还有灰度不均匀、存在伪影、不同组织间灰度相似等问题。同时CT影像作为三维图像,数据量大,器官分割算法容易出现计算量过大的问题。这两点原因增加了算法的设计难度。针对在CT影像中器官的快速准确分割问题,首先提出了新型三维全卷积神经网络Vnet-S网络。然后在Vnet-S网络的基础上提出基于级联Vnet-S网络的器官分割算法。基于级联Vnet-S网络的器官分割算法具有高准确度和低计算量的特点。再采用Flask框架对器官分割算法进行了部署。最后基于VTK和ITK设计并实现了医学影像可视化系统。具体而言,本文在器官分割算法和系统部署方面完成了以下工作:(1)提出新型三维全卷积神经网络Vnet-S网络。Vnet-S网络是在Vnet网络结构的基础上提出的三维全卷积神经网络。优化了Vnet网络结构存在的问题。通过对比实验证明Vnet-S网络性能优于Vnet网络,同时参数量和计算量也远小于Vnet网络,Vnet-S网络的参数量是Vnet网络的15.58%,计算量是Vnet网络的21.41%。(2)提出新型器官分割算法。以新型三维全卷积神经网络Vnet-S网络为基础,采用级联网络结构,提出基于级联Vnet-S网络的器官分割算法。该算法由两个Vnet-S网络级联而成,第一个Vnet-S网络用于器官定位,第二个Vnet-S网络用于器官分割。在肝脏分割实验和肺分割实验中,该算法分别取得了0.9600和0.9810的Dice系数,证明该算法可以对肝脏和肺快速准确分割。并通过和其他器官分割算法进行了对比,证明了算法的高准确度和低计算量的特点。(3)基于Flask框架部署器官分割算法。利用Flask框架,将器官分割算法部署在服务器端,从而为前端可视化系统提供器官分割算法服务。通过系统测试,该系统可以快速对CT影像完成器官分割。(4)设计并实现医学影像可视化系统。基于VTK和ITK设计并实现医学影像可视化系统,该系统具备图像显示功能,图像融合功能,测量功能等。相比旧版可视化系统,该系统增加了新的可视化模式,多种界面布局和功能,同时系统运行占用更少的内存。