医学图像超分辨率重建及语义分割算法的研究与实现.pdfVIP

摘要

摘要

在现代医学领域，高效的医学图像处理技术对于实现精准分析尤为关键。然

而，医学图像的分辨率限制和人体结构的复杂性为精准分析带来诸多挑战。本文

针对乳腺癌患者的前哨淋巴结超声图像和视网膜病变患者的眼底血管图像的语义

分割算法和超分辨率重建算法进行了研究与实现，旨在显著提高医学图像的质量

和分割效果。主要研究内容如下：

1.数据集的采集与制作。本论文在对乳腺癌患者前哨淋巴结的研究中，使用

labelme标注了从四川省人民医院相关科室采集的1392张前哨淋巴结双模态超声

图像，并遵循VOC2007标准进行格式转化，最终得到两个用于语义分割的数据集：

SLNCEUS和SLN2DUS。同时，本文使用了两个公开的视网膜血管分割数据集

CHASEDB1和DRIVE，来实现对眼底血管的精确语义分割。为了构建低分辨率医

学图像数据集用于超分辨率重建，本论文通过双三次插值法对原始医学图像进行

了2倍降分辨率处理，得到了SuperEyeBlood、SuperSLN2D和SuperSLNCE这三个

数据集。SuperEyeBlood用于视网膜血管图像的超分辨率重建研究，而SuperSLN2D

和SuperSLNCE则致力于前哨淋巴结超声图像的超分辨率重建。

2.医学图像语义分割算法的研究与实现。本文在U-Net++网络的基础上引入

了残差空洞金字塔模块，得到了RA-U-Net++网络。残差空洞金字塔模块主要由含

残差连接的卷积网络结构和空洞空间金字塔池化（ASPP）结构两部分组成；其中，

残差连接改善了梯度流通，提升了模型性能。而空洞空间金字塔池化结构，使网

络能够在不同尺度上捕捉特征，从而实现多尺度感受野的特征分析。

3.医学图像超分辨率重建算法的研究与实现。本文针对低分辨率医学图像进

行超分辨率重建研究，将基于快速傅立叶卷积（FFC）的空间频率块（SFB）整合

入HAT网络架构中，得到了HAT-SFB网络。HAT-SFB网络拥有更强的全局特征

提取能力，能够利用更多像素信息提升图像质量。在对比实验中，HAT-SFB相较

于HAT在SuperEyeBlood、SuperSLN2D和SuperSLNCE数据集上的PSNR指标分

别提升了1.8809、1.1142、0.2511dB，SSIM指标分别提升了1.83%、1.36%、0.76%。

4.医学图像处理系统的设计与开发。本论文使用PyQt5框架设计并开发了一

个综合性的医学图像处理系统。通过这个系统，医务人员可以方便地输入医学图

像，利用RA-U-Net++和HAT-SFB网络进行高效的图像分割和超分辨率重建。

关键词：医学图像，图像语义分割，超分辨率重建，前哨淋巴结，视网膜血管

I

ABSTRACT

ABSTRACT

Inthefieldofmodernmedicine,efficientmedicalimageprocessingtechnologyis

especiallycrucialforrealizingaccurateanalysis.However,theresolutionlimitationof

medicalimagesandthecomplexityofhumanbodystructurebringmanychallengesfor

accurateanalysis.Inthispaper,semanticsegmentationalgorithmsandsuper-resolution

reconstructionalgorithmsforultrasoundimagesofsentinellymphnodesofbreastcancer

patientsandfundusvascularimagesofretinopathypatientsarestudiedandimplemented,

aimingtosignificantlyimprovethequalityandsegmentationeffectofmedicalimages.

Themainresearchcontentsareasfollows: