摘要：克罗恩病是我国近年来发病率逐年上升的一种病因尚不明确的肠道慢性非特异性炎症疾病，CT小肠造影中血管是否呈现梳齿征是目前克罗恩病诊断的一项关键依据。而目前，对于CT图像的审阅和诊断主要依赖医师的主观判断，需要花费大量的时间、精力。为了帮助影像科医师减轻工作量、降低出错的可能性，有必要开发一种基于病理学图像分析的计算机辅助或定量分析系统作为第二意见参考工具。

近年来，随着人工智能技术的快速发展，深度学习已经成功地应用于医学图像分析领域，如医学图像分类、检测和分割等。而基于深度学习的图像分割更是证明了其在各个方面均优于传统的分割技术。针对CT小肠造影中血管由于遮挡、扭曲等原因而造成的重叠、阴影、模糊等问题，目前主流用于医学图像分割的U-Net由于存在梯度消失等问题，在实际分割过程中并不能表现出令人满意的结果。

为了更精确地实现对CT小肠造影图像中的肠系膜血管进行分割，本文在解决了U-Net模型随着网络层级的加深而出现梯度消失的问题的基础上，增强了网络对图像全局信息的学习能力。本文的主要工作如下：

（1）对原始CT小肠造影图像进行图像预处理。通过直方图均衡化处理和双边滤波器滤波处理，一方面增强了目标区域即血管区域和背景区域之间的对比度，另一方面滤去了图像中的噪声，为后续网络的分割工作提供更便于识别的图像基础。

（2）提出了一种AA Res-U-Net，在原有U-Net的基础上，加入了注意增强机制和残差学习模块，一方面增强了网络对CT图像全局信息的学习能力，另一方面通过对网络中残差映射的学习解决了U-Net的梯度消失的问题，从而提高了网络的学习能力和识别精度，也提高了网络的学习效率。

（3）使用南通市第一人民医院影像科提供的由医师标注过肠系膜血管的临床CT小肠造影作为原始数据集，验证AA Res-U-Net模型的实际分割能力。实验表明，AA Res-U-Net模型能高效地将肠系膜血管从CT图像中分割出来，测试集血管分割的Dice相似度系数为95.32%，具有很大的临床应用前景。

关键词： U-Net；注意增强机制；残差学习；CT小肠造影

目录

摘要

ABSTRACT

第一章 绪  论-1

1.1 研究背景及意义-1

1.2 国内外研究现状-1

1.3 论文主要工作-2

第二章 CT小肠造影的预处理-4

2.1 CT小肠造影数据集来源-4

2.2 感兴趣区域的截取-4

2.3 标注CT图像数据集标签-5

2.4 图像灰度归一化处理-6

2.4.1 直方图均衡化处理-6

2.4.2 双边滤波器去噪-9

2.5 本章小结-11

第三章 AA Res-U-Net模型-12

3.1 注意增强机制-12

3.2 AA Res-U-Net模型-13

3.2.1 残差学习单元-14

3.2.2 网络结构-15

3.2.3 损失函数-18

3.3 本章小结-19

第四章 基于AA Res-U-Net模型的CT小肠造影肠系膜血管分割-20

4.1 网络训练-20

4.1.1 网络数据初始化-20

4.1.2 权值更新策略-20

4.2 实验结果-21

4.2.1 数据集-21

4.2.2 血管区域分割-21

4.3 定量分析-23

4.3.1 定量分析指标-23

4.3.2 定量分析结果-23

4.4 本章小结-24

第五章 结论-25

5.1 研究结论-25

5.2 不足和改进-26

参考文献-28

致  谢-31