一、血管切片的三维重建（论文文献综述）
张小川[1]（2021）在《高精度高内涵小鼠全脑图谱构建及其在阿尔兹海默症小鼠中的应用》文中提出在全脑范围同时获取多种结构的高分辨图谱对于深入揭示脑功能及神经系统疾病的发病机制具有重要意义。目前已有的成像技术和方法在实现大尺度、高分辨率的多种脑结构元素同步成像方面面临着巨大的挑战。作为严重威胁人类生命健康的神经退行性疾病之一,阿尔兹海默症（Alzheimer’s disease,AD）常伴随广泛的脑组织学和病理学变化:一方面,脑血管结构和功能异常在AD发生发展中的重要性日益得到认可,在全脑尺度介观水平上,脑血管特别是毛细血管在AD病理中的形态和解剖学改变仍有待阐明;另一方面,已有多种成像手段揭示了 Aβ斑块的结构和分布特征,也有多通道荧光标记等方法观察到Aβ斑块对脑结构的影响,然而依然缺乏在全脑范围内针对Aβ斑块及其周围环境三维构筑的高精度、跨尺度研究。针对上述问题,本文发展了一种全脑成像策略,并采用此策略构建了 AD小鼠多种脑结构的高精度图谱。本文第一部分进行了小鼠全脑成像技术的平台搭建及后续图像处理分析,以完成全脑高精度图谱绘制方法的建立。为了实现全脑高分辨率成像以及成像后海量复杂数据的处理与解读,本文首先开展显微光学切片断层成像（Micro-Optical Sectioning Tomography,MOST）技术的应用以及构建高效数据分析流程,主要包含样本制备、数据采集、图像预处理与优化、海马分割、三维可视化重建与定量分析、虚拟内窥等环节,解决了低信噪比图像增强、噪声图像质量优化、高空间复杂度三维数据的快速渲染和量化分析等在数据处理方面依然面临诸多挑战的难题。对C57BL/6小鼠的全脑血管网络精细可视化显示了皮层、丘脑和海马等区域具有各自独特血管模式,其中海马的平均血管直径、血管长度密度、血管体积分数均最低。完整海马的高精度重建揭示了其“耙”式血管分布模式,齿状回（DG-ml）分子层的主要血管在直径和分支角度上均发生突变,呈现出独特的梳状毛细血管分布模式。对单枝海马血管的虚拟内窥从独特的视角观察血管腔的内表面形态、平滑度以及分岔模式,可以提供常规可视化手段不能涉及的血管腔内信息。本文第二部分对APP/PS1转基因小鼠的全脑血管系统进行了高分辨的可视化重建和定量分析,首次在亚微米级别分辨率上系统性地描述了 AD病理相关的海马血管分布和形态模式的变化。运用已建立的MOST技术平台及数据分析路线率先获得了 APP/PS1转基因AD小鼠及其野生型对照的Nissl染色全脑数据集,构建了包含从直径几十微米的大血管到小于2微米的毛细血管的完整小鼠全脑跨尺度三维血管图谱。通过系统定量分析野生型与APP/PS1小鼠的脑血管网络,发现APP/PS1小鼠海马血管的平均血管直径、血管体积分数均显着降低。进一步对海马不同亚区的比较分析揭示了齿状回分子层（DG-ml）的平均血管直径、血管长度密度及血管体积分数的降低程度最为显着。对单枝血管分支模式的量化分析结果表明,APP/PS1小鼠血管分支角度显着变小,导致单枝海马血管的血液灌注面积减少。最后虚拟血管内窥检查揭示了 APP/PS1小鼠与野生型小鼠在血管管腔内壁粗糙度、分支节点平滑度上均有显着差异。上述结果证明了对小鼠脑血管的高分辨率跨尺度评估的能力,并系统揭示了海马微循环尤其是齿状回在AD病理中的损伤。本文第三部分对5×FAD转基因AD小鼠全脑Nissl染色数据集进行高精度的三维重建,首次实现基于Nissl染色的小鼠全脑Aβ斑块分布可视化,首次在同一小鼠全脑中构建了 Aβ斑块及其周围胞体、神经树突、神经束和血管的高精度全景图。针对高通量明场图像背景复杂、灰度异质性导致的高难度信号提取和图像处理问题,设计了包含“虚拟通道分割”和“特征融合”的多种结构信号提取和同步可视化方法,并据此开展多种结构的高精度跨尺度的全脑构筑研究。全脑Aβ斑块密度最大区域及大尺寸斑块分布最密集区域均为内嗅皮层和邻近的海马腹侧下托区域,提示Aβ病理可能最早出现在这些最密集的区域。在全脑范围,Aβ斑块分布较密集的区域通常具有相对较多的胞体且处于血管远端,而神经纤维束在Aβ斑块相对稀疏的区域较为密集;在局部脑区,皮层区域可视化和定量分析均显示Aβ斑块密集区靠近胞体丰富的深部区域,而海马内的Aβ斑块成层状分布在锥体细胞层和颗粒细胞层附近;在亚微米分辨水平,海马辐射层内Aβ斑块周围的神经树突显示出明显的弯曲或截断,海马下托的毛细血管穿过斑块内部或附近,也呈现一定程度截断或变形且表面粗糙度高。此外,本文最后选取了可能影响血管的舒尼替尼、西地那非和可替宁进行给药实验及行为学测试,然后选取行为学变化趋势最明显的可替宁给药小鼠进行多结构同步可视化方法,发现给药后皮层Aβ斑块数量呈下降趋势,而海马区域无明显变化;垂直于脑表面的较粗的皮层血管在给药后呈增多趋势,且皮层血管体积分数显着增加,而海马区域给药后血管形态参数无明显变化。这些结果显示了基于MOST技术的三维可视化方法可能用于研究药物效应。本文提供了一种针对高通量灰度图像进行信息提取和可视化重建的方法,从而完成了对全脑范围内多种结构元素的高精度同步可视化。对全脑范围内多种结构信息的清晰展示为深入理解AD相关病理状态下的大脑解剖结构特征提供了新思路。本文对正常小鼠全脑血管网络尤其是海马血管分布模式的清晰描绘、对AD小鼠脑血管的系统评估和Aβ斑块及其周围多结构的同步可视化,不但促进了在介观水平对正常以及AD病理状态下的小鼠脑基本结构的深入认识,也可能为AD相关药物临床前开发提供新参考。
李俊伯[2]（2021）在《基于超分辨率网络的CT三维重建算法研究与实现》文中认为电子计算机断层扫描（Computed Tomography,CT）三维重建技术通过上采样体数据以提高三维模型质量,改善模型中的锯齿状边缘、条纹状伪影和不连续表面等现象,从而提高临床医学中疾病诊断的准确率。可临床医学实践中出于辐射剂量的考虑和信息采集设备精度的影响,往往只能采取具有一定厚度的扫描,这造成了数据的部分容积效应。由于卷积神经网络可极大程度自适应学习图像特征。在过去的十年里,计算机视觉为医学诊断提供了巨大的支持,近年来基于深度学习的图像处理和三维视觉方向已成为目前研究的热点。但是在医学层析影像的三维重建处理领域仍存在很多问题,其中最主要的问题是网络模型对CT图像的特征提取能力不足,缺乏对医学图像的特点的针对性机制,同时没有特别关注采集设备成像原理,从而影响了重建质量。针对上述医学影像三维重建的纹理,基于深度学习思想,本文将对基于超分辨率网络的CT三维重建算法展开研究,主要包含以下几个方面:（1）数据集作为深度监督学习中的根本,对训练模型的性能有着重要影响。本文数据来源是KITS19 Challenge Homepage中的人体腹部CT公开数据集,从中挑选20个病例共4124张纹理丰富,高低频信号对比明显的冠状位图像。（2）对于目前网络在CT图像上特征提取能力不足,三维重建模型质量不够精细。本文提出了一种具有双重损失的优化学习纵轴超分辨率重建网络（Double Loss Refinement Network,DLRNet）,模型末端引入优化学习模块,且除计算基准图与超分辨率图像的损失外,还计算模型内部粗略超分辨图像的损失,优化学习与双重损失迫使网络产生更接近于基准图的结果。随后在特征提取模块引入空间特征金字塔和通道注意力机制,加权细化学习了不同粗细规模不一血管组织的特征。实验结果表明,相比通道注意力超分辨率算法（RCAN）,本文模型在2,3,4倍缩放因子下的PSNR平均提高0.79d B。本文模型有效提升了CT三维模型的质量,一定程度上恢复了组织血管的连续细节特征,同时具备了实用性。（3）为了解决网络的学习能力,同时具有更加轻量级的模型复杂度,本文提出一种基于特征强化的密集残差单轴超分辨率重建网络,全局层面的加权学习使得模型专注于关键部分组织器官的特征学习,为医生提供高质量且高响应速度的重建技术。
康志庆[3]（2021）在《基于DSA和CTA图像的颅内动脉瘤检测研究》文中进行了进一步梳理颅内动脉瘤是对人类生命健康危害最大的脑血管疾病之一,其症状不易发现,且发病过程紧急,具有很高的致死、致残率。因此,颅内动脉瘤的前期诊疗十分关键。目前针对颅内动脉瘤的检查方式主要有三种:计算机断层扫描血管造影（Computed Tomography Angiography,CTA）、磁共振血管造影（Magnetic Resonance Angiography,MRA）和数字剪影血管造影（Digital Subtraction Angiography,DSA）。在传统诊断方式中,医生分析颅内动脉瘤的医学图像时,需要手动标注病灶区域,选择动脉瘤的显示角度,这在增加医生工作量的同时,也缺乏客观准确性。为此,本文设计基于DSA和CTA图像的颅内动脉瘤检测算法,在切片血管数据上重建三维血管结构,通过分析血管的结构特征来确定疑似病灶,并基于特征进行分类检测,进而辅助医生诊断,为患者的早期治疗提供帮助。首先,本文对实验使用的DSA和CTA数据进行预处理。在血管切片图像上,使用形态学图像处理和阈值分割方法对分层血管数据进行提取,减小背景对血管结构的影响。在此基础上使用面绘制方法进行三维重建,通过三维形态学算法提取最大连通分量,最终得到血管主体结构,从而降低细小血管以及噪声对瘤体检测的影响。接下来,针对于三维重建优化后的血管数据,本文从新的研究角度出发,利用血管结构的管状特性,提出了一种基于步长自动搜索的颅内动脉瘤检测算法。该算法通过生成迭代平面截取血管结构,计算血管的最小截面用于确定算法的搜索方向,并将血管截面及其位置作为特征对迭代中心进行分类,寻找瘤体的可疑位置。实验结果表明,算法对颅内动脉瘤有一定检测能力,但受到单向检测的局限性的影响,其F2-score为0.707。最后,为了分析血管的整体结构,本文提出基于血管三维骨架的动脉瘤检测算法。该算法通过提取血管结构的骨架,分析血管的三维信息,包括骨架点所在位置的体积、截面、偏角等特征,并使用随机森林方法对血管骨架点进行分类,从而检测动脉瘤的疑似病灶。由于该算法避免了迭代算法的局限性,检测准确率得到提高,F2-score也提高到0.825。实验结果表明,本文提出的基于DSA和CTA图像的颅内动脉瘤检测算法能较为准确的找到瘤体位置,可以帮助医生高效处理医学图像,有一定的应用前景。
杨旭鸿[4]（2021）在《基于改进UNet的主动脉分割与三维重建方法的研究》文中进行了进一步梳理主动脉是人体向全身各部位输送血液的主要导管,是体内最主要的动脉血管;主动脉夹层是临床上极其凶险的一类急重症,如果诊断治疗不及时或者病人没有意识到危险性拖延病情,致死率极高。现代医学影像学中的CT成像技术能够有效显示出主动脉夹层的病变范围,但是主动脉的周围有较多的器官组织,对于临床医师而言,需要从CT图像中需要获得更多的有效关键信息,因此准确分割提取主动脉区域是尤为关键的。本文针对人体胸腹腔CT图像中的主动脉在不同条件下的结构特征,设计了一种改进UNet主动脉分割方法,以实现对主动脉区域的精确分割提取,并完成主动脉三维立体化模型显示,以辅助医生对主动脉夹层进行明确诊断。本文主要工作如下:（1）通过与天津市胸科医院合作,构建了人体胸腹腔主动脉CT图像数据集,通过医生精确标注主动脉区域,然后对CT图像进行预处理,采用滤波算法去除图像上存在的噪声。为了避免一些重要信息的丢失,通过Laplacian算子对图像进行锐化,从而凸显出各个组织的边缘特征,最后通过基于Hessian矩阵的Frangi2D滤波算法对CT图像主动脉区域进行血管增强,为后续主动脉分割提取奠定基础。（2）根据主动脉的形状特征,对传统的UNet模型进行改进,设计了适合主动脉二维分割的Attention-UNet模型、Atrous-UNet模型和改进的Res-UNet模型,并将三种模型训练的结果和金标准相比较,得出本文所设计的改进Res-UNet网络模型对主动脉分割精度较高,能够实现对人体胸腹腔CT图像中主动脉区域的精确分割提取。（3）通过对主动脉壁的三维立体化显示,方便医生观察主动脉壁的厚度信息,同时基于VTK和MFC开发环境,利用移动立方体算法设计了一套主动脉三维可视化系统,该系统利用本文所设计的方法提取出的主动脉分割结果进行三维重建,可以准确展示主动脉模型三维立体形态并进行相关可视化操作。本文设计的基于改进UNet网络模型的主动脉分割方法充分考虑了主动脉的形状特征,可以高效准确地对主动脉进行分割,本文设计方法的实验结果平均重叠率比现有方法最大提高15.85%;因此本文提出的主动脉分割算法的精度基本符合实际应用要求,重建的主动脉三维模型显示效果也较为理想。
隆涛[5]（2020）在《医学图像三维重建及辅助诊断算法研究》文中进行了进一步梳理据世界卫生组织统计,肺癌已经成为确诊病例数、致死人数最高的癌症。利用计算机技术对肺癌的早期形态——肺结节进行筛查有利于早发现、早治疗,提高肺癌的生存机会,同时也能减轻阅片负担,辅助医生的诊断工作。近年来,深度学习技术在发展的同时也被应用到包含医学图像分析的各个领域,利用深度学习进行肺结节的检测与分割就是其中一个热点研究方向。本文以胸部CT图像数据为研究对象,探索利用深度学习和三维重建技术提供快捷、准确且易观察的肺结节辅助诊断方法。主要内容如下:首先,研究了基于Mask R-CNN的肺结节检测与分割方法。由于医学图像具有样本量少和正负样本不平衡的特点,本文采用了具有骨干网络迁移学习机制、二阶段结构控制正负样本比例、同时具有检测和分割功能的Mask R-CNN,并探索了具有不同权重的损失函数对检测和分割结果的影响。目前研究大都是肺结节的检测任务,缺乏含肺结节轮廓标签的数据集,本文将LUNA16数据集进行预处理,之后在影像科医生标记的肺结节直径基础上,利用labelme标记工具,建立了包含2763张具有肺结节轮廓标签的胸部CT横截面数据集:labeme＿LUNA16;然后分别在数据集LUNA16、labelme＿LUNA16和Ali Tian Chi上进行了实验:在labelme＿LUNA16数据库上,肺结节检测评估获得了在1 FP/scan时,88.1%的敏感度和0.796的CPM分数,超过近期大部分的研究,同时将模型在独立的Ali Tian Chi数据集上进行评估,获得了0.625的CPM分数,表明模型具有较好的泛化能力和鲁棒性;在labelme＿LUNA16数据库上,肺结节分割获得了0.882的AP@50分数。其次,研究了医学图像三维重建方法。研究了面绘制代表算法:移动立方体法和体绘制代表算法:光线投射法的实现方法和优缺点,并在口腔CT数据上进行对比实验,比较不同参数和算法的绘制效果,然后进行了肺部和肺结节三维重建实验。最后,基于MITK开放平台,设计了肺结节三维可视化辅助诊断系统。该系统的肺结节三维重建结果与横截面、矢状面、冠状面的位置、大小一致,同时也可以对三维模型进行交互操作,表明了该系统的有效性和可操作性。
吴琳琳[6]（2020）在《儿童肝母细胞瘤根治性切除术预后因素分析及手术切缘的初步研究》文中指出目的观察儿童肝母细胞瘤（HB）患儿行根治性切除术的相关预后因素及其手术切缘的初步病理研究。对象与方法选取2002年1月至2019年6月于青岛大学附属医院小儿外科因肝母细胞瘤行根治性切除术患儿54例,收集患儿的性别、年龄、PRETEXT分期、术前有无化疗、肿瘤切缘距离、有无大血管侵犯、有无远处转移、肿瘤最大直径、术前血清甲胎蛋白值（AFP）等相关临床资料。保留术后标本,制备病理切片,进行镜下分析。采用R语言3.5.3软件及SPSS 26.0软件进行统计学分析,对于性别、年龄、临床分期等计数资料采用率（%）表示。手术时间、术中出血量、术后住院时间等非正态分布的计量资料以M（P25～P75）表示,并应用Mann-Whitney U检验比较组间差异。采用Kaplan-Meier法估计生存率并绘制生存曲线,所有统计学检验以P<0.05表示差异有统计学意义。结果1.54例患儿中位年龄为15个月（0～94个月）,男女比例为1.7:1,初诊年龄大于54个月6例（11.11%）,血清AFP值<100?g/L 3例（5.55%）,侵犯一级血管分支患儿20例（37.04%）,有远处转移患儿5例（9.26%）,PRETEXT分期III期患儿15例（27.78%）,IV期患儿4例（7.41%）,手术切缘<1 cm患儿9例（16.67%）,包膜外存在孤立癌巢患儿16例（29.63%）;2.本组患儿中位随访时间为26个月（1～147个月）,5年无病生存率（DFS）为81.3%,5年总体生存率（OS）为87.4%,其中部分缓解（PR）患儿2例（3.70%）,死亡患儿5例（9.26%）,10例患儿失访（18.52%）。其中手术切缘<1 cm患儿的5年OS为86.5%,与手术切缘≥1 cm患儿的5年OS的90%相比无显着差异（?2=0.087,P>0.05）。包膜外存在孤立癌巢组患儿5年OS为88.4%,与不存在癌巢患儿组的84.4%相比无显着差异（?2=0.404,P>0.05）,统计学分析显示手术切缘及包膜外存在孤立癌巢不是影响患儿生存率的因素;3.初诊年龄≥54个月的患儿的总体生存率明显低于年龄<54个月患儿（?2=4.006,P<0.05）;血清AFP水平<100?g/L患儿总体生存率低于血清AFP水平≥100?g/L的患儿（?2=10.005,P<0.05）;肿瘤侵犯肝内一级分支血管患儿预后差于未侵犯肝内一级血管的患儿,并且存在肝外转移的患儿预后差于无肝外转移的患儿（?2=8.588、12.581,P<0.05）。4.术前通过Hisense CAS三维重建辅助手术的患儿（三维重建组）的中位手术时间为125.00（110.00～165.00）min,未行三维重建组中位手术时间为152.50（128.75～202.50）min,三维重建组术中出血量中位数为17.50（10.00～20.00）m L,未行三维重建组为45.00（20.00～50.00）mL,两组间比较差异有统计学意义（P<0.05）,三维重建组中位术后住院时间为9.00（8.00～11.00）d,未行三维重建组为12.00（9.00～14.25）d,差异有统计学意义（P<0.05）结论HB根治性切除术的预后与年龄、血清AFP水平、有无血管侵犯及有无远处转移有密切关系,手术切缘小于1cm及肿瘤边界外孤立癌巢不是影响HB患儿预后及远期生存的独立因素,Hisense CAS系统可协助医师合理规划手术,提高手术安全性。
徐永潇[7]（2020）在《基于三维重建的肺肿瘤分割技术研究》文中提出肺癌是一种发病率和致死率都极高的病症。计算机断层扫描技术（CT）是医生提取病变特征和诊断疾病的主要手段之一。因此针对CT图像的肺肿瘤精确分割对放射治疗、病情诊断和疗效评估都有着重要的意义,是计算机辅助诊断领域的研究热点。目前对于孤立型结节和肿瘤分割技术的研究较为普遍。但是对粘连在肺实质边界的肺肿瘤精确分割仍然是个难题。因此本文主要对不同粘连程度和不同位置的边界粘连型肿瘤分割问题进行研究。研究了肺实质提取、肺实质修复、肺肿瘤分割的方法,并进行了肺及肿瘤的三维重建。针对快速提取肺部序列CT图像中的肺实质序列图像问题,采用一种基于三维区域生长算法的肺实质序列图像提取方法。然后针对肺部肿瘤的分割问题设计了较为完整的技术框架。首先研究了非边界粘连型肿瘤的分割方法。为了精准高效的从肺实质序列图像中分割出肺肿瘤序列图像,采用一种Hessian矩阵血管增强图像滤波和自适应确定种子点的随机游走算法相结合的分割方法。使用Hessian矩阵血管增强图像滤波对肺实质序列图像进行预处理来减少粘连在肿瘤周围的血管对肿瘤分割的影响,然后利用随机游走算法对图像局部边界细节较强的处理能力实现肺肿瘤的精确分割。针对边界粘连型肿瘤的分割过程中缺陷肺实质边界的修复问题,提出基于改进凸包算法和三维曲面重建算法的肺实质边界修复方法。对于肿瘤粘连程度较小且肺实质边界较为平滑处的缺陷采用修补效率较高的凸包算法进行修复,并对凸包算法进行改进,减少了人工交互的过程,修复后的边界还原性更好。对于肿瘤粘连程度较大或肺实质边界曲率变化较大处的缺陷。设计一种基于三维曲面重建算法的修复方法,解决了由于二维CT图像中肺实质边界特征信息过少导致修复效果较差的问题。先使用面绘制方法对边界缺陷肺实质进行三维重建,再提取缺陷位置的三维点云信息,然后使用泊松曲面重建算法修复三维肺实质。最后从修复完整的肺实质中分割肿瘤,实现肺及肿瘤的三维重建。经实验对比,本文方法取得良好效果。
唐宁[8]（2020）在《现实增强在光学相干层析手术导航系统中的初步应用》文中研究表明光学相干层析成像技术作为一种非接触式断层成像技术,具有高分辨率、高灵敏度等特点,在医学成像方面获得了广泛的应用。目前,OCT技术多用于眼科成像,其不仅可以显示角膜、虹膜、巩膜等宏观结构,还可以提供小梁网、视交叉管、Schlemm氏管等微观结构的图像,已然成为眼科疾病诊断与治疗的重要辅助手段。根据术前采集重建的OCT三维模型与术中实时显示的OCT二维图像,医生可以进行手术路径的规划、组织病变的判断、手术实时的导航以及手术效果的评估,在减少手术创伤的同时缩短了手术时间。OCT技术已经成为眼科手术导航中不可或缺的一环。在研究与临床应用中,同时提供手术区域的显微图像、OCT二维图像以及OCT三维模型使病灶的空间位置及组织结构更为直观。然而由OCT手术导航系统所提供的二维、三维信息仍需医生进行主观匹配,医生需要一边观察手术区域的OCT图像,一边将其与手术区域的真实显微图像进行对应,这需要丰富的手术经验、良好的空间想象力以及长时间系统的手术导航系统学习,无疑为OCT手术导航系统的发展与应用增添了一定阻力。将增强现实（Augmented Reality,AR）技术应用到OCT手术导航系统中可以很好地解决不同模态图像之间的配准问题。本文首先利用光线投影算法对OCT体数据进行三维重建,为系统提供不同模态的图像输入;然后通过引入引导光源的方式获取不同模态图像中的特征点,利用改进的张氏标定法对OCT手术导航系统的相机进行标定;最后通过仿射变换与直接融合将显微图像与OCT三维模型进行配准叠加。经配准叠加后的图像可以有效融合手术区域的二维、三维信息,增强医生对病灶深度信息的感知,为术前手术规划、术中实时导航及术后效果评估带来了极大便利。实验方面,利用上述虚实配准方法对模型眼和动物眼进行了离体和在体的成像实验。得到了包含扫描区域表面生理信息与深度结构信息的二维配准图像,且配准误差在0.04mm左右,能够初步满足手术导航的需求。
储庆[9]（2020）在《小鼠心脏结构畸形自动鉴定系统的开发》文中进行了进一步梳理研究背景:先天性心脏病的发病率约为0.8%-1.2%,是我国存活新生儿发生率最高的出生缺陷;多种先心病患者（特别是复杂心脏结构畸形患者）的手术预后差,对患者家庭和社会造成严重的负担。利用小鼠等模式生物开展心脏异常发育及心脏结构畸形发生的相关机制研究,对于先天性心脏病的预防控制有着重要的指导意义。既往的研究中,研究者主要通过分析病理切片来判断心脏的结构表型,该方法的建立依赖研究人员具备熟练的切片制备技术和大量的时间成本。另一方面,二维切片往往无法精确反映心脏在三维层面的畸形和变化,即便是经验丰富的研究者也非常容易做出误判。快速稳定的心脏畸形鉴定系统,对于应用小鼠模型开展先天性心脏病机制研究至关重要。研究结果:一、构建小鼠心脏结构自动鉴定系统——CACCT我们对孕期17.5天（E17.5）的C57BL6/J胚胎小鼠进行显微电子计算机断层扫描（micro-computed tomography,micro-CT）,获取连续的心脏 CT 图像。为了实现小鼠心脏结构的自动化分析,我们开发了一种名为CACCT（computer-assisted cardiac cavity tracking system）的三维图像分析系统。该系统通过阈值分割和区域生长算法提取CT图像中的心脏内腔区域,然后利用不同图像中心脏内腔的三维关系构建心脏三维图结构,通过三维图结构信息自动连续识别每一幅CT图像中的心室腔和大动脉腔并判断心室和大动脉的连接关系。CACCT完成心脏结构鉴定仅需要0.08±0.005小时/个心脏,如果通过人工标注进行结构鉴定则需要29.90±1.33小时/个心脏（n=5,p<0.001）,因此CACCT可以显着提高心脏结构表型鉴定效率。通过逐层检查CACCT心腔分割结果,我们发现CACCT的心腔识别准确率超过99.77%,并且识别结果的变异系数低于0.38%,这说明CACCT具备精确和稳定的心腔分割能力。二、CACCT鉴定心脏流出道畸形和室间隔缺损为了确认CACCT对心脏畸形的鉴定能力,我们利用全反式视黄酸诱导（E8.5天灌胃给予孕鼠60 mg/kg）小鼠发生各类心脏畸形,包括大动脉转位、右心室双出口、室间隔缺损等;随后对全反式视黄酸诱导的E17.5胚胎心脏进行micro-CT扫描获取连续心脏图像。应用CACCT分析心脏图像,可以准确判断心室和大动脉的连接关系,继而有效甄别正常心脏（n=11）、大动脉转位（n=8）和右心室双出口（n=22）,准确率为100%。此外,CACCT能够自动检测出左右心室之间的异常连接,展示出心脏中室间隔缺损的位置和形态,通过逐层人工核对CACCT识别的室间隔缺损发现,CACCT对全反式视黄酸诱导的室间隔缺损的识别率达到100%（n=22）。三、CACCT鉴定小鼠心脏瓣膜畸形我们发现在心脏祖细胞isl-1+细胞中敲除Ezh2的Isl-1Cre/+;Ezh2fl/fl小鼠会在出生后1.5天内全部死亡,但是传统二维表型鉴定方法未发现明显的心脏畸形。利用CACCT分析Isl-1Cre/+;Ezh2fl/fl小鼠心脏的micro-CT图像发现,该小鼠心脏中存在传统方法无法识别的斜交室间隔缺损。此外,我们还开发了 CACCT半月瓣形态分析模块;该模块能够自动重建小鼠半月瓣三维图像。利用CACCT的半月瓣分析模块,我们发现Isl-1Cre/+;Ezh2fl/fl小鼠心脏中同时存在主动脉瓣二瓣化畸形。结论通过如上实验,我们获得了如下结论:1)CACCT可以自动精确分割正常心脏图像中的心室腔和大动脉腔并自动进行腔室连接关系的判断。2)CACCT可以准确甄别正常心脏、大动脉转位和右心室双出口等流出道畸形。3)CACCT能够一次性鉴定出多个室间隔缺损,并能有效识别传统方法无法发现的斜交室间隔缺损。4)CACCT可以准确识别心脏图像中的瓣膜区域,能够有效鉴定小鼠心脏主动脉瓣二瓣化畸形。利用CACCT,即使是没有临床诊断经验和小鼠心脏发育学研究经验的科研工作者,也可以对复杂先天性心脏病实现准确和快速的鉴定,有效降低了先心病发病机制研究的准入门槛。CACCT的广泛应用,将可能帮助先心病研究人员、遗传学和发育生物学研究人员更加精确地建立心脏表型和分子遗传之间的因果关系,推动先心病的认知与机制研究。
瞿良华[10]（2020）在《内耳道及其膜性结构的薄层塑化解剖学研究》文中进行了进一步梳理目的内耳道位于颞骨岩部内,位置深在狭小,内部解剖结构复杂。其内的蛛网膜结构一直存在争议。本研究旨在探明内耳道内精细结构及空间位置关系,揭示内耳道内膜性结构的分布及延伸情况,以期为临床和影像学诊断以及显微外科手术提供解剖学依据。方法观察已有的局部解剖标本3例（骨性标本及包含脑神经后颅窝标本）。选取21例（42侧）成人尸头标本,其中3例制作成连续的薄层塑化切片,18例制作成连续的超薄层塑化切片。切片均使用高分辨率扫描仪扫描并观察。对超薄塑化切片进行组织学染色,其中重要的精细结构经显微镜观察扫描,并利用3D-slicer软件进行三维重建。收集临床头部MRI横断位图像15例（30侧）与超薄塑化切片对比。结果（1）内耳道是一条圆柱状骨管,开口位于颞骨岩部内侧,面向桥小脑角池。外侧即内耳道底,构成前庭、耳蜗的内侧壁。横嵴将内耳道底分为上下两部分,上半部分包含:面神经区（位于前方）和前庭上神经区（位于后方）,两者之间通过垂直嵴（Bills嵴）分隔;下半部分包含:耳蜗区（位于前方）,前庭下区（位于后方）,单孔（位于后下方）。横嵴上存在小孔洞。（2）面神经、前庭蜗神经起自桥小脑角,延髓脑桥沟外侧部,向外上进入内耳道,面神经位于内耳门的前上方,前庭蜗神经位于其后下方。中间神经存在于前庭神经与面神经之间,并不总是接近面神经。前庭蜗面神经复合体与内耳道长轴平行,汇入内耳道底相应骨性孔区。（3）迷路动脉是内耳道内的主要血管,多数起源于小脑前下动脉。内耳门外及内耳道内存在血管袢。其中30.56%位于内耳门外,36.11%位于进入内耳道内,30.56%未发现血管袢。进入内耳道内的血管袢延伸程度不同,其中61.54%延伸度小于内耳道长度的一半,即6.26±1.53毫米,38.46%延伸度超过内耳道长度的一半,并且其中一例延伸至内耳道底区域。（4）岩骨内侧的硬脑膜在内耳道口处突入内耳道内。硬脑膜紧密地覆盖在骨壁,在接近内耳道底区域,硬脑膜逐渐变薄并覆盖骨表面和骨性分区。蛛网膜完整包绕面神经、前庭蜗神经及细小的迷路动脉进入内耳道内,各神经之间无菲薄的蛛网膜间隔且延伸至内耳道底。内耳道底区域,存在蛛网膜小梁。在内耳门区域,出现了6例蛛网膜折叠现象,主要集中在内耳道后唇部。此处蛛网膜并未随硬脑膜进入内耳道内,而是出现折叠并向前内侧延伸。部分延伸与面神经、前庭蜗神经出现接触。（5）内耳道长约12.52±1.53毫米,内耳道直径为4.8±0.11毫米,内耳道距离颈内动脉最短距离平均为3.6毫米（2.7-6.1毫米）,内耳道距离颈内静脉（颈静脉球）最短距离平均为4.7毫米（2.9-6.8毫米）。（6）MRI图像显示的内耳道、神经、血管的外形轮廓与本文解剖学研究结果基本一致,但对内耳道内蛛网膜这一精细结构的走行及终止情况显影不理想。结论1.面神经、前庭蜗神经及迷路动脉存在于内耳道内;面神经位于内耳道的前上方,前庭蜗神经位于后下方;血管袢存在于内耳道内且延伸程度不同。2.内耳道内蛛网膜包绕面神经、前庭蜗神经以及迷路动脉进入内耳道底,蛛网膜在内耳道底骨性分区内移行为神经外膜而终止。3.内耳道内蛛网膜并未存在双层复制;蛛网膜在内耳道口处存在折叠现象。
二、血管切片的三维重建（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、血管切片的三维重建（论文提纲范文）
（1）高精度高内涵小鼠全脑图谱构建及其在阿尔兹海默症小鼠中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 全脑尺度成像和标记技术的发展 |
| 1.2 显微光学切片断层成像技术用于全脑高分辨成像 |
| 1.3 AD相关的脑血管研究 |
| 1.3.1 AD相关脑血流变化 |
| 1.3.2 AD相关脑血管结构性变化 |
| 1.3.2.1 脑血管细胞病理变化 |
| 1.3.2.2 脑血管基底膜病理变化 |
| 1.3.3 全脑血管成像技术简述 |
| 1.3.3.1 脑血流变化的检测 |
| 1.3.3.2 全脑尺度血管构筑成像 |
| 1.4 淀粉样斑块及其周围多种结构的研究 |
| 1.4.1 Aβ斑块成像方法研究 |
| 1.4.2 Aβ斑块形态特征及分布 |
| 1.4.3 Aβ斑块对神经结构的影响 |
| 1.5 本文立题依据 |
| 1.6 本文研究内容 |
| 1.6.1 MOST技术应用平台与高通量图像数据分析流程搭建 |
| 1.6.2 获取高分辨全脑血管图谱跨尺度研究AD病理中脑血管的变化 |
| 1.6.3 全脑尺度多种结构信息的同步可视化 |
| 1.6.4 其他工作 |
| 第2章 MOST技术应用拓展与高通量数据分析流程搭建 |
| 2.1 实验动物 |
| 2.2 材料与试剂配制 |
| 2.3 实验方法 |
| 2.3.1 Nissl染色小鼠全脑样本制备方法 |
| 2.3.2 小鼠全脑样本数据采集 |
| 2.3.3 图像预处理与优化 |
| 2.3.4 海马结构的手动分割 |
| 2.3.5 血管网络的可视化 |
| 2.3.6 血管网络的定量分析 |
| 2.3.7 统计分析 |
| 2.4 实验结果 |
| 2.4.1 MOST系统整体工作流程 |
| 2.4.2 MOST图像预处理与优化处理 |
| 2.4.3 冠状面厚切片的直接体绘制与MIP渲染 |
| 2.4.4 海马结构手动分割及信息提取 |
| 2.4.5 海马内血管分布模式分析 |
| 2.5 本章小结 |
| 第3章 AD模型小鼠全脑血管构筑研究 |
| 3.1 实验动物 |
| 3.2 实验方法 |
| 3.2.1 WT与APP/PS1小鼠海马血管网络的系列可视化与比较分析流程 |
| 3.2.2 统计分析 |
| 3.3 实验结果 |
| 3.3.1 APP/PS1小鼠海马血管系统异常 |
| 3.3.2 APP/PS1小鼠海马血管灌注面积降低 |
| 3.3.3 APP/PS1小鼠虚拟血管内窥影像分析 |
| 3.4 本章小结 |
| 第4章 全脑Aβ斑块及其周围多结构同步可视化 |
| 4.1 实验动物 |
| 4.2 实验方法 |
| 4.2.1 5×FAD小鼠全脑Nissl染色样本的制备与采集 |
| 4.2.2 荧光标记方法验证全脑Nissl染色方法显示Aβ斑块的正确性 |
| 4.2.3 石蜡切片常规Nissl染色 |
| 4.2.4 全脑多种结构信息的同步可视化 |
| 4.2.5 5×FAD小鼠灌胃给药实验及后续图像分析 |
| 4.3 实验结果 |
| 4.3.1 MOST结合小鼠全脑Nissl染色获得多结构信号的同步显示 |
| 4.3.2 不同灰度分布的多结构信号的同步可视化方法 |
| 4.3.3 Aβ斑块分布的全脑可视化 |
| 4.3.4 全脑Aβ斑块及其周围胞体、神经束、血管的同步可视化 |
| 4.3.5 皮层和海马局部区域Aβ斑块、胞体及血管的空间分布关联性 |
| 4.3.6 Aβ斑块周围神经树突的结构异常 |
| 4.3.7 Aβ斑块相关的血管损伤 |
| 4.3.8 全脑多种结构同步可视化评价可替宁对AD小鼠的影响 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 主要内容总结 |
| 5.2 主要创新点 |
| 5.3 研究意义 |
| 5.4 展望 |
| 第6章 其他工作:MOST/FMOST技术应用于肺脏研究 |
| 6.1 材料与试剂配制 |
| 6.2 实验方法 |
| 6.2.1 小鼠全肺Nissl染色样本的制备与采集 |
| 6.2.2 小鼠全肺荧光样本的制备与采集 |
| 6.2.3 全肺数据集的处理与可视化 |
| 6.3 实验结果 |
| 6.3.1 MOST结合全肺Nissl染色实现小鼠全肺气道和血管系统的高精度重建 |
| 6.3.2 小鼠气道和血管系统的三维形态特征分析 |
| 6.3.3 全肺尺度可吸入制剂颗粒分布的高精度分析 |
| 6.3.4 局部区域呼吸道内表面聚集的可吸入颗粒分析 |
| 6.4 总结与讨论 |
| 参考文献 |
| 已发表论文或授权专利 |
| 致谢 |
| 附录Ⅰ 英文缩写词表 |
（2）基于超分辨率网络的CT三维重建算法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 医学层析影像三维重建算法研究现状 |
| 1.2.2 图像超分辨率重建算法研究现状 |
| 1.3 本文主要研究内容及安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文架构 |
| 1.4 本章小结 |
| 第二章 相关理论 |
| 2.1 计算机断层扫描CT特征 |
| 2.1.1 窗宽与窗位 |
| 2.1.2 部分容积效应 |
| 2.2 图像超分辨率重建网络 |
| 2.2.1 通道注意力机制 |
| 2.2.2 任意缩放比例的上采样模块 |
| 2.3 医学CT层析影像三维模型可视化 |
| 2.3.1 三维数据场可视化技术基础 |
| 2.3.2 体绘制 |
| 2.4 本章小结 |
| 第三章 具有双重损失的优化学习单轴超分辨率算法研究 |
| 3.1 基本理论 |
| 3.1.1 数据集与预处理 |
| 3.1.2 模型评价指标 |
| 3.2 网络整体结构 |
| 3.3 特征提取模块 |
| 3.3.1 多尺度特征融合 |
| 3.3.2 稠密连接的通道注意力学习DCAB |
| 3.4 损失函数 |
| 3.5 实验结果分析 |
| 3.5.1 与其他方法对比 |
| 3.5.2 消融实验 |
| 3.6 本章小结 |
| 第四章 特征强化的密集残差单轴超分辨率网络 |
| 4.1 网络结构整体结构 |
| 4.2 特征提取模块 |
| 4.2.1 密集残差块组 |
| 4.2.2 稠密特征块 |
| 4.2.3 特征强化模块 |
| 4.3 上采样模块 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统设计的目的及意义 |
| 5.2 医学影像三维重建系统总体设计 |
| 5.3 医学影像三维重建系统详细设计 |
| 5.3.1 系统登录模块 |
| 5.3.2 系统上传模块 |
| 5.3.3 高质量三维重建与可视化模块 |
| 5.3.4 帮助中心模块 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间所取得的研究成果 |
| 致谢 |
（3）基于DSA和CTA图像的颅内动脉瘤检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展 |
| 1.2.1 颅内动脉瘤检测研究现状 |
| 1.2.2 基于传统方法的颅内动脉瘤检测的研究 |
| 1.2.3 基于深度学习的颅内动脉瘤检测的研究 |
| 1.3 论文的主要贡献及创新 |
| 1.4 论文的结构安排 |
| 第二章 颅内动脉瘤图像及其辅助诊断技术概述 |
| 2.1 颅内动脉瘤的图像概述 |
| 2.1.1 DSA成像技术概述 |
| 2.1.2 CTA成像技术概述 |
| 2.1.3 数据来源 |
| 2.2 颅内动脉瘤形成原因分析 |
| 2.3 颅内动脉瘤辅助诊断技术的概述 |
| 2.3.1 SVM支持向量机 |
| 2.3.2 随机森林 |
| 2.3.3 贝叶斯分类 |
| 2.4 算法的评价指标 |
| 2.4.1 准确率、精确率、召回率 |
| 2.4.2 F-score |
| 2.4.3 ROC曲线和AUC |
| 2.5 本章小结 |
| 第三章 血管数据的预处理 |
| 3.1 血管的二维信息提取概述 |
| 3.1.1 二维切片图像预处理 |
| 3.1.2 血管点云数据重建 |
| 3.2 血管的三维结构重建概述 |
| 3.2.1 三维重建方法概述 |
| 3.2.2 本文使用三维重建方法 |
| 3.3 血管三维结构的优化 |
| 3.4 本章小结 |
| 第四章 基于步长自动搜索的动脉瘤检测算法 |
| 4.1 基于面积突变的动脉瘤检测基础研究 |
| 4.1.1 颅内动脉瘤形态分析 |
| 4.1.2 自动搜索动脉瘤检测算法的理论基础 |
| 4.2 基于步长自动搜索的动脉瘤检测算法 |
| 4.2.1 算法框架 |
| 4.2.2 算法流程详细介绍 |
| 4.3 特征提取 |
| 4.3.1 截面面积特征 |
| 4.3.2 位置特征 |
| 4.3.3 面积变化特征 |
| 4.4 实验结果与分析 |
| 4.4.1 实验结果主观评价 |
| 4.4.2 实验结果客观评价 |
| 4.5 本章小结 |
| 第五章 基于血管三维骨架的动脉瘤检测算法 |
| 5.1 骨架提取方法 |
| 5.1.1 血管骨架提取方法概述 |
| 5.1.2 本文使用的骨架提取方法 |
| 5.1.3 骨架的网络关系 |
| 5.2 基于血管三维骨架的动脉瘤检测算法 |
| 5.2.1 算法框架 |
| 5.2.2 算法流程详细介绍 |
| 5.3 实验结果与分析 |
| 5.3.1 实验结果主观评价 |
| 5.3.2 实验结构客观评价 |
| 5.4 本章小结 |
| 第六章 全文总结及展望 |
| 6.1 全文总结 |
| 6.2 未来的工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）基于改进UNet的主动脉分割与三维重建方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 主动脉分割及三维重建研究现状 |
| 1.2.1 主动脉分割研究现状 |
| 1.2.2 医学三维可视化技术现状分析 |
| 1.3 本文研究内容与结构安排 |
| 第二章 主动脉CT图像特征分析及血管增强 |
| 2.1 医学CT成像简介 |
| 2.2 主动脉CT图像特征分析 |
| 2.2.1 人体胸腹腔CT图像序列 |
| 2.2.2 主动脉结构和夹层类型分析 |
| 2.3 主动脉区域预处理 |
| 2.3.1 图像滤波 |
| 2.3.2 图像锐化 |
| 2.3.3 Frangi2D滤波血管增强算法 |
| 2.3.4 实验结果与分析 |
| 2.4 本章小结 |
| 第三章 基于改进UNet的主动脉区域分割算法 |
| 3.1 卷积神经网络理论基础 |
| 3.1.1 常用损失函数 |
| 3.1.2 网络原理 |
| 3.1.3 常用深度学习框架 |
| 3.2 UNet神经网络 |
| 3.2.1 网络结构 |
| 3.2.2 网络优点 |
| 3.3 Attention-UNet神经网络 |
| 3.3.1 网络结构 |
| 3.3.2 注意力机制 |
| 3.4 Atrous-UNet神经网络 |
| 3.5 改进Res-UNet神经网络 |
| 3.5.1 网络结构 |
| 3.5.2 残差模块 |
| 3.6 实验设计 |
| 3.6.1 实验数据集 |
| 3.6.2 实验方案 |
| 3.7 分割结果评价 |
| 3.7.1 金标准 |
| 3.7.2 平均交并比 |
| 3.7.3 实验结果及分析 |
| 3.8 本章小结 |
| 第四章 主动脉的三维可视化 |
| 4.1 医学图像三维重建的基本方法 |
| 4.1.1 面绘制 |
| 4.1.2 体绘制 |
| 4.2 移动立方体算法 |
| 4.2.1 移动立方体算法原理 |
| 4.2.2 移动立方体算法的二义性 |
| 4.3 可视化工具包VTK及配置 |
| 4.3.1 VTK介绍 |
| 4.3.2 VTK配置 |
| 4.4 主动脉壁三维可视化 |
| 4.5 主动脉三维可视化系统 |
| 4.5.1 功能介绍 |
| 4.5.2 功能实现 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（5）医学图像三维重建及辅助诊断算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 肺结节检测 |
| 1.2.2 肺结节分割 |
| 1.3 研究难点 |
| 1.3.1 肺结节尺寸差异大 |
| 1.3.2 肺结节CT征象复杂 |
| 1.3.3 扫描图像质量差异 |
| 1.3.4 医学图像本身的限制 |
| 1.4 本文研究内容及章节安排 |
| 1.4.1 本文研究内容 |
| 1.4.2 本文章节安排 |
| 第2章 医学图像基础及其目标检测分割算法 |
| 2.1 医学图像基础 |
| 2.1.1 医学图像存储格式 |
| 2.1.2 CT亨氏值、窗宽和窗位 |
| 2.1.3 三个坐标系 |
| 2.2 肺结节的CT征象 |
| 2.3 目标检测算法 |
| 2.3.1 R-CNN |
| 2.3.2 SPP-net |
| 2.3.3 Fast R-CNN |
| 2.3.4 Faster R-CNN |
| 2.3.5 Faster R-CNN+FPN |
| 2.4 医学图像分割 |
| 2.4.1 patch-based architecture |
| 2.4.2 FCN |
| 2.4.3 U-net |
| 2.5 本章小结 |
| 第3章 基于Mask R-CNN的肺结节检测与分割算法 |
| 3.1 Mask R-CNN算法 |
| 3.1.1 骨干网络(backbone) |
| 3.1.2 特征金字塔网络(FPN) |
| 3.1.3 区域建议网络(RPN) |
| 3.1.4 功能分支:分类、检测和分割 |
| 3.2 实验过程 |
| 3.2.1 数据库 |
| 3.2.2 数据预处理 |
| 3.2.3 Mask R-CNN参数设置 |
| 3.2.4 实验环境 |
| 3.3 实验结果与分析 |
| 3.3.1 肺结节检测结果 |
| 3.3.2 肺结节分割结果 |
| 3.4 本章小结 |
| 第4章 医学图像三维重建算法 |
| 4.1 移动立方体法 |
| 4.2 光线投射法 |
| 4.3 算法分析与比较 |
| 4.4 三维重建实验 |
| 4.4.1 三维重建实验环境 |
| 4.4.2 实验过程与结果 |
| 4.5 本章小结 |
| 第5章 肺结节三维可视化辅助诊断系统 |
| 5.1 系统总体架构 |
| 5.2 系统开发平台 |
| 5.2.1 系统硬件开发平台 |
| 5.2.2 系统软件开发平台 |
| 5.3 系统功能与测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（6）儿童肝母细胞瘤根治性切除术预后因素分析及手术切缘的初步研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 材料与方法 |
| 1 研究对象 |
| 2 研究方法 |
| 2.1 评价肿瘤分期 |
| 2.2 收集临床资料 |
| 2.3 病理检查 |
| 2.4 随访研究及统计描述 |
| 结果 |
| 1 一般情况 |
| 2 治疗情况 |
| 3 病理结果 |
| 4 随访结果及生存分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 缩略词表 |
| 攻读学位期间的研究成果 |
| 致谢 |
| 附文 |
（7）基于三维重建的肺肿瘤分割技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 肺部医学图像分割 |
| 1.2.2 医学图像三维重建技术 |
| 1.3 本文的研究内容与主要工作 |
| 1.4 本文的章节安排 |
| 第二章 肺部CT图像与肺肿瘤简介 |
| 2.1 肺部CT图像介绍 |
| 2.2 肺肿瘤介绍 |
| 2.3 本章小结 |
| 第三章 健康肺实质的三维重建 |
| 3.1 肺部CT图像预处理 |
| 3.1.1 图像形态学处理方法 |
| 3.1.2 区域生长算法 |
| 3.1.3 基于三维区域生长算法的肺实质序列图像提取方法 |
| 3.2 三维重建技术 |
| 3.3 基于体绘制的肺实质三维重建 |
| 3.3.1 体绘制技术 |
| 3.3.2 光线投影法重建三维肺实质 |
| 3.4 本章小结 |
| 第四章 肺部非边界粘连型肿瘤分割与三维重建 |
| 4.1 肺部非边界粘连型肿瘤分割 |
| 4.1.1 基于Hessian矩阵的滤波算法 |
| 4.1.2 随机游走算法 |
| 4.1.3 基于随机游走算法的非边界粘连型肿瘤分割方法 |
| 4.2 非边界粘连型肿瘤三维重建 |
| 4.2.1 面绘制方法 |
| 4.2.2 基于MC算法的非边界粘连型肿瘤三维重建 |
| 4.3 实验结果分析与对比 |
| 4.4 本章小结 |
| 第五章 边界粘连型肿瘤的分割与三维重建 |
| 5.1 肺实质边界缺陷筛选 |
| 5.1.1 凸包算法 |
| 5.1.2 基于凸包算法的肺实质边界缺陷筛选方法 |
| 5.2 肺实质边界较平滑处的缺陷修复 |
| 5.3 肺实质边界曲率变化较大处的缺陷修复 |
| 5.3.1 泊松曲面重建算法 |
| 5.3.2 基于曲面重建算法的肺实质边界曲率变化较大处缺陷修复 |
| 5.4 实验结果分析与对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的科研成果 |
（8）现实增强在光学相干层析手术导航系统中的初步应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 光学相干层析技术的研究概况 |
| 1.2 OCT手术导航系统的研究概况 |
| 1.3 现实增强技术的研究概况 |
| 1.4 课题的研究意义及论文主要安排 |
| 第二章 基于增强现实的手术导航系统理论基础 |
| 2.1 基于OpenGL的三维重建基础 |
| 2.1.1 体绘制原理 |
| 2.1.2 OpenGL简介 |
| 2.1.3 顶点、图元、碎片、像素 |
| 2.1.4 OpenGL的三维图像渲染管线 |
| 2.2 图像配准基础 |
| 2.2.1 基于强度的图像配准方法 |
| 2.2.2 基于特征的图像配准方法 |
| 2.3 本章小结 |
| 第三章 OCT手术导航系统中的三维重建 |
| 3.1 基于增强现实的SS-OCT手术导航系统 |
| 3.2 基于光线投射算法的OCT三维重建 |
| 3.2.1 基于OpenGL的光线投射算法实现 |
| 3.2.2 OCT三维重建结果 |
| 3.3 实时动态的OCT三维重建 |
| 3.3.1 基于像素缓冲技术的实时动态三维重建方法 |
| 3.3.2 实时动态OCT三维重建的结果 |
| 3.4 本章小结 |
| 第四章 增强现实系统中的相机标定 |
| 4.1 相机的理想模型 |
| 4.2 单应性矩阵求解 |
| 4.3 相机内、外参数矩阵求解 |
| 4.4 相机畸变矫正 |
| 4.5 本章小结 |
| 第五章 基于特征点的虚实配准 |
| 5.1 二维特征点检测 |
| 5.2 三维特征点获取 |
| 5.3 虚实配准 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 对未来工作的展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）小鼠心脏结构畸形自动鉴定系统的开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章: 构建计算机辅助心脏腔室追踪系统——CACCT |
| 1.1 引言 |
| 1.2 实验材料 |
| 1.3 实验方法 |
| 1.4 研究结果 |
| 1.4.1 小鼠心脏高分辨率micro-CT图像的采集 |
| 1.4.2 编写心脏腔室区域自动追踪算法CACCT |
| 1.4.3 应用CACCT识别正常心脏腔室 |
| 1.4.4 应用CACCT鉴定正常心脏心室与大动脉连接关系 |
| 1.4.5 CACCT的心脏表型鉴定效率高于人工鉴定效率 |
| 1.5 讨论 |
| 1.6 结论 |
| 1.7 参考文献 |
| 第二章: 应用CACCT鉴定心脏流出道畸形和室间隔缺损 |
| 2.1 引言 |
| 2.2 实验材料 |
| 2.3 实验方法 |
| 2.3.1 全反式视黄酸诱导胚胎小鼠心脏畸形 |
| 2.3.2 全反式视黄酸诱导的胚胎小鼠心脏取材和形态质控 |
| 2.3.3 心脏组织石蜡标本切片制作 |
| 2.3.4 HE染色与成像 |
| 2.3.5 统计学分析 |
| 2.4 研究结果 |
| 2.4.1 全反式视黄酸诱导制备心脏流出道畸形小鼠模型 |
| 2.4.2 CACCT鉴定心脏流出道畸形受到室间隔缺损干扰 |
| 2.4.3 构建室间隔缺损自动识别模块 |
| 2.4.4 CACCT整合室间隔缺损识别模块后实现流出道畸形自动鉴定 |
| 2.4.5 CACCT整合室间隔缺损模块后可以识别心脏室间隔缺损 |
| 2.4.6 应用CACCT识别传统方法难以鉴定的室间隔缺损 |
| 2.5 讨论 |
| 2.6 结论 |
| 2.7 参考文献 |
| 第三章: 应用CACCT鉴定小鼠心脏瓣膜畸形 |
| 3.1 引言 |
| 3.2 实验材料 |
| 3.3 实验方法 |
| 3.4 研究结果 |
| 3.4.1 利用基因工程方法构建小鼠心脏畸形模型 |
| 3.4.2 第二生心区表达的Ezh2基因对心脏发育有潜在作用 |
| 3.4.3 传统鉴定方法未发现条件性敲除Ezh2基因导致心脏畸形 |
| 3.4.4 CACCT发现条件性敲除Ezh2基因导致室间隔缺损 |
| 3.4.5 构建半月瓣识别模块 |
| 3.4.6 加入半月瓣识别模块的CACCT可以高效识别小鼠心脏半月瓣 |
| 3.4.7 CACCT发现条件性敲除Ezh2基因导致主动脉瓣二瓣化畸形 |
| 3.5 讨论 |
| 3.6 结论 |
| 3.7 参考文献 |
| 文献综述: 小鼠先天性心脏病鉴定方法的研究进展 |
| 参考文献 |
| 附录: 个人简介及博士研究生期间相关学术成果 |
| 致谢 |
（10）内耳道及其膜性结构的薄层塑化解剖学研究（论文提纲范文）
| 英文略缩词表 |
| 摘要 |
| Abstract |
| 1 前言 |
| 2 材料与方法 |
| 2.1 实验标本、试剂与设备 |
| 2.2 方法 |
| 2.2.1 薄层生物塑化切片 |
| 2.2.2 超薄层生物塑化 |
| 2.2.3 超薄层生物塑化切片与染色 |
| 2.2.4 3D slicer三维重建 |
| 2.2.5 MRI图像资料 |
| 3 结果 |
| 3.1 局部解剖整体观结果 |
| 3.2 薄层塑化切片结果 |
| 3.3 超薄层塑化切片结果 |
| 3.4 三维重建结果 |
| 3.5 临床影像图与超薄层塑化对比结果 |
| 4 讨论 |
| 4.1 内耳道内蛛网膜与蛛网膜小梁 |
| 4.2 内耳道口蛛网膜的折叠现象 |
| 4.3 内耳道内的血管 |
| 4.4 内耳道内各神经之间的吻合支 |
| 4.5 内耳道数据测量 |
| 4.6 内耳道底骨性结构 |
| 4.7 研究技术的优势 |
| 5 结论 |
| 6 小结与展望 |
| 参考文献 |
| 附录 个人简历 |
| 致谢 |
| 综述 内耳道及其膜性结构的解剖学进展 |
| 参考文献 |
四、血管切片的三维重建（论文参考文献）
- [1]高精度高内涵小鼠全脑图谱构建及其在阿尔兹海默症小鼠中的应用[D]. 张小川. 华东理工大学, 2021(08)
- [2]基于超分辨率网络的CT三维重建算法研究与实现[D]. 李俊伯. 中北大学, 2021(09)
- [3]基于DSA和CTA图像的颅内动脉瘤检测研究[D]. 康志庆. 电子科技大学, 2021(01)
- [4]基于改进UNet的主动脉分割与三维重建方法的研究[D]. 杨旭鸿. 天津工业大学, 2021(01)
- [5]医学图像三维重建及辅助诊断算法研究[D]. 隆涛. 重庆邮电大学, 2020(02)
- [6]儿童肝母细胞瘤根治性切除术预后因素分析及手术切缘的初步研究[D]. 吴琳琳. 青岛大学, 2020(01)
- [7]基于三维重建的肺肿瘤分割技术研究[D]. 徐永潇. 河北大学, 2020(08)
- [8]现实增强在光学相干层析手术导航系统中的初步应用[D]. 唐宁. 电子科技大学, 2020(01)
- [9]小鼠心脏结构畸形自动鉴定系统的开发[D]. 储庆. 北京协和医学院, 2020
- [10]内耳道及其膜性结构的薄层塑化解剖学研究[D]. 瞿良华. 安徽医科大学, 2020(02)