請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82478
標題: | 結合深度學習與影像處理評估惡性膠質瘤侵犯側腦室程度 Integrate Deep Learning and Image Processing to Evaluate the Extent of Ventricular Zone Invasion in High-Grade Gliomas |
作者: | Ting-Chen Li 李亭臻 |
指導教授: | 梁祥光(Hsiang-Kuang Liang) |
關鍵字: | 深度學習,膠質瘤,影像處理, Gliomas,Deep Learning,Image Processing, |
出版年 : | 2021 |
學位: | 碩士 |
摘要: | 膠質瘤一般分成四個等級,Grade I 及 Grade II 為低惡性度,而 Grade III 及 Grade IV 為高惡性度。根據研究顯示,高惡性度的膠質瘤若是侵犯側腦室,預後結果通常較差。在已公開的方法中,目前只有測量膠質瘤有無侵犯側腦室,尚未能夠評估膠質瘤侵犯側腦室之程度。近期深度學習快速發展,在許多不同的領域都有著重大的影響。 本論文透過深度學習的方法來自動分割出側腦室區域,以及高惡性膠質瘤,得到分割完的影像後,再用影像處理方法計算出膠質瘤侵犯側腦室的距離。在深度學習方面使用的網路架構為基於 Fully Convolutional Networks (FCN) 的概念所做的改進架構 U-Net,而 U-Net 的架構有助於將向量再轉換回影像的過程中不失真。在影像處理的方法則是將深度學習完預測得到之影像,找出側腦室與腫瘤之間的最短距離,計算的過程中使用了二分搜尋法來加快運算效能。本論文使用 Dice分數做為評估分割結果的呈現,經過訓練集 258 筆資料後的模型,在測試集共 115 位病患中,分別對側腦室和腫瘤做 Dice 分數的計算,側腦室 Dice 平均為 0.91、腫瘤 Dice 平均為 0.83,而侵入程度則是從 1 毫米至 40 毫米不等。 本論文透過結合深度學習及影像處理中的距離計算之方法,來達成評估惡性膠質瘤侵犯側腦室之程度,透過此資訊可在臨床上的治療或是研究上有不同的突破。 |
URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82478 |
DOI: | 10.6342/NTU202103137 |
全文授權: | 同意授權(限校園內公開) |
電子全文公開日期: | 2023-09-13 |
顯示於系所單位: | 醫學工程學研究所 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
U0001-1209202123085100.pdf 授權僅限NTU校內IP使用(校園外請利用VPN校外連線服務) | 5.94 MB | Adobe PDF | 檢視/開啟 |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。