中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/82382
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41776990      線上人數 : 2009
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/82382


    題名: 三維立體資料之多方向投影語義分割法;Multi-Directional Projection Semantic Segmentation for Volumetric Data
    作者: 黃輝揚;李崇維
    貢獻者: 國立中央大學數據分析方法研究中心
    關鍵詞: 三維立體影像資料;醫學影像處理;深度學習;語義分割;自動病灶偵測分割;肺結節偵測分割;血管瘤偵測分割;volume data;medical image processing;deep learning;semantic segmentation;automatic lesion detection and segmentation;lung nodule detection and segmentation;aneurysm detection and segmentation
    日期: 2020-01-13
    上傳時間: 2020-01-13 14:49:21 (UTC+8)
    出版者: 科技部
    摘要: 在許多預防性的疾病篩檢項目中,高解析度三維立體醫學影像資料(例如:核磁共振造影、細切的電腦斷層掃描)是目前最精確的非侵入性之病灶偵測和惡性程度分析方法。但是從高解析度三維立體資料偵測細微病灶,目前仍然是一件特別困難的差事,主要原因是,在二維影像中,細微的病灶和許多身體細結構相類似而且非常容易混淆。雖然,放射專科醫師可以從連續幾張二維圖像在腦中重建三維資料做區分,一般深度學習的卷積神經網路還是大部分只能處理二維影像。所以在此研究計畫書,我們提出一個從三維立體影像匯集多個不同方向的二維正射投影圖之總體,經過目前最好的語義分割卷積神經網路辨識後,這些各種投影方向的二維分割資料可以被反推回原來的三維位置去累積病灶位置的可能性高低地圖。從我們的一個先期性研究中所得到的結果分析,從多個不同方向的二維正射投影圖之分割資料總體回推三維形狀結構資料是準確率高而且有臨床應用價值的新研究方法和方向。 ;High spatial resolution volumetric data such as MRI and spiral CT scanning are state-of-the-art, non-invasive screening methods for the detection of lesions and the analysis of malignancy. However, detecting small lesions from volumetric data remains difficult because many anatomic variations resemble true lesions in 2D images. While radiologists can browse through consecutive 2D images to visualize the 3D structure in mind, existing deep learning convolutional neural networks (CNNs) are mostly designed for 2D images. In this research proposal, we envision an ensemble of multi-directional 2D orthographic projection views (by volume rendering) of a subvolume of interest such that a partially obscured lesion can at least be detected from some directions by existing semantic segmentation CNNs. These 2D segmentation data are then reversely projected back to a 3D-probability-accumulation map to identify lesions. Experimental results of our pilot study indicate the effectiveness of building 3D context information from multi-directional 2D projection views.
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[數據分析方法研究中心 ] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML330檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明