题名 | 基于 TOF-MRA 图像的脑血管分割算法研究 |
作者 | 黄海滨 |
答辩日期 | 2023-11-30 |
文献子类 | 硕士 |
关键词 | 磁共振血管造影 脑血管分割 统计模型 深度学习 半监督学习 |
英文摘要 | 脑血管精准分割是进行脑血管疾病定量诊断和分析的重要前提,也是脑血管相关的神经外科手术导航的关键步骤,对于理解脑血管疾病的发病机制、术前诊断和术中治疗具有重要意义。本文以时间飞跃法-磁共振血管造影 (Time of Flight-Magnetic Resonance Angiography, TOF-MRA) 为研究数据,从模型驱动的统计方法以及数据驱动的半监督深度学习方法两方面对脑血管分割进行了深入研究。 当前脑血管分割方法主要可分为模型驱动和数据驱动两大类,前者主要包括统计模型为主的数学建模方法,后者则由深度学习方法组成。一方面,尽管统计模型在脑血管分割任务上取得了充分的进展,但由于来自不同站点、成像设备以及扫描参数的图像之间存在较大差异,因此难以设计通用的统计模型对数据分布进行准确的建模。此外,脑血管的极小占比和稀疏分布也对参数估计带来了困难,限制了这类方法的准确性和泛化性;另一方面,尽管深度学习在医学图像处理领域取得了显著进步,但在脑血管分割任务中始终面临着高质量标注数据不足的问题,限制了分割精度的提升,以及向不同站点、不同扫描参数和不同物种图像泛化的能力。 针对上述问题,本文从统计模型驱动和数据驱动的脑血管分割两方面展开研究,主要工作内容和创新点如下:
本文提出的模型驱动和数据驱动的TOF-MRA图像脑血管分割方法,实现了精准、高效的三维脑血管自动分割,有望辅助神经外科医生进行脑血管相关手术规划和脑血管疾病预防诊治。 |
语种 | 中文 |
页码 | 78 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/54526] |
专题 | 毕业生_硕士学位论文 |
推荐引用方式 GB/T 7714 | 黄海滨. 基于 TOF-MRA 图像的脑血管分割算法研究[D]. 2023. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论