5个研究背景和意义示例,教你写计算机CT论文

今天分享的是关于CT的5篇计算机毕业论文范文, 如果你的论文涉及到CT等主题,本文能够帮助到你

基于胸部CT影像的心肺器官三维建模技术的研究与应用

这是一篇关于心肺器官,CT,深度学习,三维建模的论文, 主要内容为近些年,心肺疾病严重影响着人们的身体健康。电子计算机断层扫描技术作为一种无创的医学图像检查技术,能够显示出胸腔内部的心肺器官,以此作为诊疗的依据。但由于影像以二维形式呈现,医生在观察时只能通过想象在脑海中重建出器官的三维结构,存在一定主观性与不确定性。依靠计算机技术重建出心肺各个器官的三维模型,最终呈现出一个更加直观的可视化结果,可用于病情诊断、手术规划、医患沟通等。本文研究了一套完整的心肺器官三维建模的技术方案,可基于三维CT影像对十种心肺器官进行全自动的三维建模,包括主动脉、肺动脉、左心室、右心室、左心房及肺静脉、右心房、上腔静脉、心包、气管、肺。本文提出了一种基于级联3D分割网络的全心脏分割框架,通过三维各向异性卷积降低模型的复杂度,并引入混合池化模块建模不同尺度的上下文信息。最终该方案在保证分割准确度的同时,兼顾运行时间及计算效率,更易于实际场景下的部署与应用。本文提出了一种多阶段的肺动静脉分割框架,通过将一个复杂任务划分为多个子任务来提高最终的分割精确度。该框架主要包含基于2.5D网络的血管树分割模型,以及基于多视图的肺动静脉掩膜传播网络。最终该方案能有效地重建出相对完整的肺动脉与肺静脉结构,缓解血管分支分割不全以及断裂的情况。本文实现了基于器官分割掩膜的三维建模方法,通过移动立方体算法提取表面网格模型,并基于二次度量误差的塌陷算法对网格进行简化,最终将三维建模结果存储为STL的模型文件,并可基于该模型计算出器官的体积参数。基于提出的图像分割算法以及三维重建方法,本文基于B/S架构设计并实现了《心肺三维建模平台》软件,可作为辅助诊断工具直接应用于临床。医生在上传患者CT序列后可在线阅览影像,经过系统后台全自动算法完成器官的三维建模后,对器官模型三维可视化展示并计算体积。同时,软件支持影像及模型数据的管理与共享,具有非常大的临床应用价值。

CT多轴运动控制系统的研究与实现

这是一篇关于CT,多轴运动控制,FPGA,路径规划,改进人工势场算法的论文, 主要内容为随着CT技术的发展,对CT机性能的要求越来越高。CT机要求CT扫描床与CT旋转扫描架能够实现高精度和高速度的多轴运动控制。现阶段,基于单轴运动或是基于PLC/单片机来实现CT扫描床与CT旋转扫描架的多轴运动控制的几种方案已满足不了CT运动控制的需求。本设计采用以FPGA核心板作为主控单元,设计出一款控制精度高、运行速度快的基于CT扫描床路径规划的CT多轴运动控制系统。本文的主要研究内容如下:首先,明确CT多轴运动控制系统的功能需求和性能指标。根据系统需求及性能指标进行CT多轴运动控制系统方案设计。先对比了国内目前CT运动控制系统的方案,指出了其中的不足,在此基础上提出了本文采用FPGA核心板作为主控单元实现CT的多轴运动控制方案。其次,对CT多轴运动控制系统进行硬件设计。对关键器件FPGA核心板、伺服驱动器、伺服电机及编码器进行选型。根据CT多轴运动控制系统需要的功能模块,对FPGA外围电路及其接口电路进行设计,在PCB editor上完成了PCB设计。然后,对CT多轴运动系统软件进行软件设计。采用自上而下的设计思路,从顶层模块向下划分各功能模块,包括RS485通信逻辑设计、编码器反馈模块设计、脉冲输出模块设计、以及I/O输入输出模块,对各功能模块进行了原理阐述及设计。再次,对CT扫描床路径规划算法进行研究。提出了基于改进人工势场算法的CT扫描床路径规划算法。首先对传统人工势场算法的局限性进行分析,然后通过优化引力函数、斥力函数解决传统人工势场算法中目标不可达问题,通过引进虚拟扫描床位置点解决局部最优解问题。最后在matlab中进行仿真实验,证明了该算法在CT多轴运动控制系统中的可行性和有效性。最后,搭建CT多轴运动控制系统验证平台,进行了基本电路、通信可靠性、伺服控制测试及分析与运动控制系统功能测试及分析。实验结果表明,本课题研究的CT多轴运动控制系统符合功能需求,能够实现特殊部位的精确扫描,减少CT球管放线剂量,减少射线对人体的伤害。

基于U-Net的肺结节辅助检测系统设计与实现

这是一篇关于肺结节,CT,深度学习,辅助检测的论文, 主要内容为肺癌不论在国内还是国外,都是发病率最高的癌症,而肺癌患者的死亡率在所有癌症中也是最高的。由于肺癌患者在早期并无明显症状,大部分人被确诊为肺癌时已经达到晚期,而此时手术方式已经无法起到很好的作用,导致患者生存率低。肺癌患者中I或Ⅱ期的五年生存率为25%～73%,而Ⅲ到Ⅳ期患者的五年生存率仅为2%～24%。但是肺癌的早期表现形式,即肺结节可通过医学影像进行诊断而更早的被发现,对肺癌的早期诊断有着重要作用。鉴于以上原因,本文从肺结节检查常用的手段即CT图像数据入手,以深度学习网络模型U-Net为基础,设计并实现肺结节辅助检测系统。本文主要研究内容有:(1)使用LUNA16数据集训练U-Net网络模型,使用U-Net对肺部CT图像数据中肺结节进行分割,实现对肺结节的检测。使用多种算法与U-Net网络模型进行对比,分析实验结果,对现有U-Net网络所存在的问题进行总结;(2)对U-Net网络目前存在的一些问题进行分析,并对网络进行改进。改进方法主要为:在原U-Net的直连结构中加入卷积层,使得上采样通路获得来自下采样通路的高级语义信息,使分割结果更为准确。在加入的卷积层中增加约束条件,使网络的训练速度更快;(3)设计并实现了基于U-Net模型的肺结节检测系统,该系统实现了对CT图像数据中肺结节的检测功能。本文对现有肺结节检测方法进行分析和总结,使用U-Net网络模型实现对肺部CT图像中肺结节的检测,针对目前U-Net网络模型存在的问题进行了改进,设计并开发了基于U-Net的肺结节辅助检测系统,实现了肺结节的自动化检测,从而降低肺结节的漏诊及误诊率、减少医生工作量、提高肺癌检测自动化程度。