检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

脑mri图像分割方法的研究与实现

脑MRI图像分割方法的研究与实现

作者：刘玮华南理工大学

学位级别：硕士

脑mri图像分割是对正常组织和病变组织进行三维重建、定量分析等后续操作的基础和关键，也是临床医学应用的瓶颈，分割的准确性在医生对病灶组织的定位、形状和大小测量以及判断疾病的真实情况并做出正确的诊断计划等方面至关重要。 ... 详细信息

脑mri图像分割是对正常组织和病变组织进行三维重建、定量分析等后续操作的基础和关键，也是临床医学应用的瓶颈，分割的准确性在医生对病灶组织的定位、形状和大小测量以及判断疾病的真实情况并做出正确的诊断计划等方面至关重要。本文针对脑mri图像的特点，以Matlab为开发工具，旨在寻找适合于脑mri图像分割的理想算法。在以往的研究中，区域生长法和水平集法是脑mri图像分割的常用方法。我们在Matlab中分别根据二者的基本原理，对所采集的脑mri图像编程实现分割。通过对Matlab中仿真实验结果的分析，可以看到这两种方法尚存在着缺陷。区域生长法对于门限值的设置和种子点的选取的依赖性较大，这就要求操作者具有一定的先验知识;水平集方法，不仅与初始参数设置和初始轮廓位置密切相关，而且对于畸形物体，尤其是对那些边界有凹陷的物体，该模型不能很好地收敛到物体的实际边缘。此外，当目标边缘模糊时，有可能继续扩展（或收缩），而造成边缘泄漏。鉴于上述不足，对比之下我们采用最大类间方差法。最大类间方差法，也是图像分割的经典算法。该方法是基于图像灰度直方图的统计特点，对目标和背景有较大对比度的图像进行分割时效果最为理想。但由于mri成像系统不可避免地受到噪声等的影响，此外，在本课题中，我们采集的脑mri图像均来源于低磁场磁共振设备，使得图像在清晰度和细腻度方面都不甚理想，其灰度直方图双峰效果不明显。故而，我们需要对最大类间方差法进行改进，首先进行两次人工交互，使得处理后的图像直方图双峰效果明显，也就是目标和背景呈现出较大对比度;在此基础上，再运用最大类间方差法分割脑mri图像。仿真结果证明，与上述两种传统的图像分割方法相比（即：区域生长法和水平集法），最大类间方差法不仅原理简单，而且无论是在分割质量还是在运行时间上，都存在着明显的优势。并且我们将该方法用于脑mri图像序列的分割，实现了部分脑的三维重建，进一步证实了该方法的可行性。

关键词：脑mri图像区域生长法水平集法交互式最大类间方差法三维重建

无先兆偏头痛脑mri图像分析算法研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无先兆偏头痛脑MRI图像分析算法研究及应用

作者：李翔山东中医药大学

学位级别：硕士

目的:无先兆偏头痛(Migraine without Aura,Mwo A)是临床中常见的原发性头痛病之一,其临床诊断主要以《国际头痛疾病分类(第3版)》标准并结合患者的临床表现为依据。当前,核磁共振成像(Magnetic Resonance Imagin g,mri)作为新型Mw o A... 详细信息

目的:无先兆偏头痛(Migraine without Aura,Mwo A)是临床中常见的原发性头痛病之一,其临床诊断主要以《国际头痛疾病分类(第3版)》标准并结合患者的临床表现为依据。当前,核磁共振成像(Magnetic Resonance Imagin g,mri)作为新型Mw o A影像学诊断工具,可提供脑功能影像,在临床研究和诊疗中发挥着越来越重要的作用。但是,受制于医生经验及图像分析方法的影响,现有基于mri的Mwo A诊断准确率有待提高。研究智能化的图像分析方法辅助Mwo A的临床诊断,就成为医学人工智能领域一个亟待解决的问题。基于机器学习的脑mri图像功能连接分析方法,是当前Mwo A智能辅助诊断算法研究的主流方向之一。但这类方法中还存在一些需要解决的问题,如提取功能连接特征时多依赖于预定义的脑图谱模板、方法整体的智能化程度和准确率偏低等,本文对Mwo A脑mri图像分析算法进行了深入的研究,提出了两个实用性较强的算法模型,以期推进Mwo A临床辅助诊断工作。方法及结果:针对功能连接提取主观性强、算法整体智能化程度及准确率偏低等问题,提出了一种3D卷积神经网络算法框架Mwo A3D-Net。算法将组信息指导独立成分分析方法引入Mwo A辅助诊断任务,用于生成被试的8个静息态脑网络,避免因先验模板不同导致的结果差异。研究设计的RSN-Net模块可自动提取静息态脑网络的3D空间结构特征并输出诊断信息,将诊断信息融合后使用设计的全连接模块完成辅助诊断任务。此外,在算法设计中加入了数据增强、L1正则化和L2正则化等优化策略,可有效抑制过拟合问题。在60名Mwo A和65名健康被试构造的数据集上的实验结果表明,Mwo A3D-Net算法的诊断准确率为98.40%。针对被试的8个静息态脑网络异常情况各不相同等问题,提出了一种3D深度多示例学习的弱监督学习算法框架R3D-DMILSA M。算法创新之处在于将每个被试生成的8个静息态脑网络封装成一个示例包,被试的患病信息作为示例包标签,进而将Mwo A辅助诊断问题转化为多示例学习中示例包的分类问题。算法研究设计的深度示例生成器,可提取静息态脑网络的3D空间结构特征,自动生成一系列深度示例。算法加入的空间注意力机制池化层可对深度示例进行加权并生成示例包的语义表示,可在一定程度上解释静息态脑网络的异常情况,且该模块的加入进一步提高了Mwo A的诊断准确率。研究设计的转换器可将示例包的语义表示按照伯努利分布转换为示例包的类别信息,从而完成Mwo A辅助诊断任务。实验结果表明,算法的准确率可达88.80%。结论:在智能化图像分析辅助Mwo A诊断方面,本文分别设计和提出的Mwo A3D-Net及R3D-DMILSAM算法框架,取得了较高的诊断准确率,具有较好的研究和应用价值。研究发现左侧额顶网络等静息态脑网络均可作为Mwo A潜在生物标志物用于个体化诊断,且为研究M wo A的病理机制提供了重要的证据。本文不仅为脑mri图像分析和疾病研究提供了重要的技术方法,还对脑部疾病的辅助诊断具有一定的借鉴和推动意义。

关键词：无先兆偏头痛脑mri图像功能连接分析深度学习智能辅助诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种脑mri图像的混合分割模型

一种脑MRI图像的混合分割模型

作者：彭小朋上海交通大学

学位级别：硕士

mri作为医学领域中一种重要的成像技术,具有辐射小、分辨率高以及对软组织分辨力强的特点,为人脑的研究提供了一种有效的途径,并已广泛应用于医学、神经科学、认知科学和心理学等方面的研究和临床应用中。脑灰质、脑白质与脑脊液是三种... 详细信息

mri作为医学领域中一种重要的成像技术,具有辐射小、分辨率高以及对软组织分辨力强的特点,为人脑的研究提供了一种有效的途径,并已广泛应用于医学、神经科学、认知科学和心理学等方面的研究和临床应用中。脑灰质、脑白质与脑脊液是三种主要的脑组织,脑部的老化和病理常常与这三种组织的体积、形态等特征变化相联系。对这三种组织准确、快速的分割是后续可视化、量化的诊断和分析、手术规划、治疗跟踪与评估等处理和操作的基础,无论对于医学研究还是临床应用都具有十分重要的意义。但是由于技术上的原因,以及成像条件上的限制,mri图像的质量常常受到噪声、局部体效应和偏移场效应的影响,呈现出模糊和灰度均匀性的特点。此外,人脑解剖结构复杂、个体间的差异大、临床应用对医学图像分割的精确度和算法执行的速度要求高,现有的算法还远远没有达到理想的效果。因此,脑mri图像的分割仍旧是医学图像分割领域中的热点问题。本文重点研究了基于分水岭变换的分割算法和基于可形变模型的分割算法,提出了一种基于优化的分水岭变换和Chan-Vese模型的混合分割模型,本文的主要工作和创新点包括以下几个方面: 1.针对分水岭变换的过分割问题,我们提出了一种优化的分水岭变换算法。相对于传统基于前处理或后处理的改进方法,我们通过引入一个差异度函数,将逐层浸没的方式修改成为多层次浸没的方式,在分水岭变换的执行过程中对过分割进行抑制。这种方式能够有效的利用分水岭变换过程的中间结果,同时避免了预处理或后处理带来的额外开销。此外,我们在多层次浸没的框架中加入了对边缘线显著性的限制,保证在抑制过分割的同时不会破坏感兴趣区域的边界。实验证明,本文提出的优化的分水岭算法,在过分割抑制、分割速度和分割精确度等方面的性能都有显著的提高,不仅解决了传统的分水岭变换中的过分割问题,而且显示出较ITK的优化分水岭变换算法更高的分割精确度。为后续与几何形变模型的结合打下了坚实的基础。 2.针对分水岭变换分割结果平滑性差的问题,我们提出了一种基于优化的分水岭变换与CV模型的混合分割模型。在该模型中,我们使用Chan-Vese模型对优化的分水岭算法得到的感兴趣区域的初始轮廓进行演化。这样的结合,一方面解决了分水岭变换分割结果平滑性差的问题;另一方面克服了Chan-Vese模型对初始轮廓位置敏感、计算复杂以及收敛速度慢的弱点。能够在不增加计算复杂度的情况下进一步提高分割的精确度。 3.在混合分割模型的基础上,设计并实现了一套分割系统,并将该系统应用于实际的脑mri图像数据的分割。实现了非脑组织与脑组织的分离,以及脑灰质、脑白质和脑脊液的分割,取得了较为满意的结果。实验结果证明,本文提出的混合分割模型无论在分割的精确度、分割的速度,还是自动化程度方面都有显著的提高。

关键词：医学图像分割脑mri图像分水岭变换可形变模型

改进能量最小化框架与SVPSO-NKFEC算法相结合的mri脑图像分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进能量最小化框架与SVPSO-NKFEC算法相结合的MRI脑图像分割

作者：姚纪智河北大学

学位级别：硕士

“脑卒中”又称“中风”,是一种由大脑血管突然破裂或阻止血液流向大脑引起的脑血管疾病,最终会导致脑组织损伤,致残率和死亡率较高。mri技术是一种无损成像,并且可获得较高分辨率的组织结构图像,对脑组织的精确分割是脑卒中诊断脑组织... 详细信息

“脑卒中”又称“中风”,是一种由大脑血管突然破裂或阻止血液流向大脑引起的脑血管疾病,最终会导致脑组织损伤,致残率和死亡率较高。mri技术是一种无损成像,并且可获得较高分辨率的组织结构图像,对脑组织的精确分割是脑卒中诊断脑组织损伤程度的前提。mri脑图像分割中常用的方法是核模糊熵聚类（KFEC）算法,虽然该算法通过优化隶属度值以及对输入数据进行高维映射,消除了mri脑图像中的部分噪声,但仍存在三个主要问题:因没有考虑图像中邻域空间信息,导致图像分割依然受噪声影响很大;因对初始值的敏感,导致聚类解易陷入局部最优;因偏移场的非均匀性,导致脑组织强度范围重叠造成误分割。针对KFEC忽略空间信息的不足,本文提出基于邻域空间信息的核模糊熵聚类算法,简称NKFEC,该算法对KFEC算法的目标函数进行改进,将邻域空间信息引入高斯核模糊熵聚类过程,保证了邻域像素特征的一致性,提高了对数据异常值或噪声的鲁棒性;针对初始化易陷入局部最优的问题,本文对PSO算法进行初始化和惯性权重的改进,称为SVPSO,并将其引入NKFEC,提出基于改进粒子群和NKFEC算法相结合的分割算法,简称SVPSO-NKFEC;针对偏移场存在的不均匀性问题,本文将能量最小化框架进行改进,提出将偏移场和理想图像性质融入该框架进行偏差校正的方法,称为BE,并将其引入SVPSO-NKFEC,提出基于改进能量最小化框架与SVPSO-NKFEC算法相结合的分割算法,简称BE-SVPSO-NKFEC。实验结果表明,NKFEC算法在分割过程中考虑了像素间的邻域空间信息,最大可能地消除了噪声对像素点的影响,提高了mri脑图像的分割精度。SVPSO-NKFEC算法利用改进的粒子群对NKFEC算法的聚类解进行优化,能在迭代初期更加有效地对空间进行搜索,避免陷入局部最优解,能同时提高mri脑图像的分割精度和速度。BESVPSO-NKFEC算法利用改进的能量最小化框架进行偏移场估计,有效克服了偏移场不均匀性对分割的影响,从而使该算法具备较强抗偏移场能力的同时还可以获得较高的mri脑图像分割精度。

关键词：脑mri图像图像分割模糊聚类高噪声粒子群算法偏移场校正

基于卷积神经网络的轻度认知障碍脑mri研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的轻度认知障碍脑MRI研究

作者：王瑞福建师范大学

学位级别：硕士

轻度认知障碍(Mild Cognitive Impairment,MCI)是阿尔茨海默病早期过渡阶段,准确识别MCI的发展进程对于阿尔茨海默病的早期诊断具有重要的意义。阿尔茨海默病(Alzheimer's Disease,AD)是一种常见的神经系统退行性疾病,其主要特征为患者... 详细信息

轻度认知障碍(Mild Cognitive Impairment,MCI)是阿尔茨海默病早期过渡阶段,准确识别MCI的发展进程对于阿尔茨海默病的早期诊断具有重要的意义。阿尔茨海默病(Alzheimer's Disease,AD)是一种常见的神经系统退行性疾病,其主要特征为患者的记忆能力和认知功能下降。磁共振成像(Magnetic Resonance Imaging,mri)用于脑成像,通过非侵入的方式提供有关白质、灰质和脑脊液形态的信息,帮助了解脑组织的情况。近年来深度学习技术尤其是卷积神经网络(Convolutional Neural Networks,CNN)在医疗图像诊断领域得到了广泛应用,深度学习可以通过大量的数据对模型进行训练,使其能够预测和识别医学图像中的不同结构和病变。因此本文通过深度学习技术对ADNI数据库中的轻度认知障碍患者脑mri图像进行分类研究:(1)将Res Net模型与通道和空间注意力混合模块相结合,用于完成稳定型MCI和进展型MCI的二分类任务。大脑的中心部分通常比边缘的部分信息量更大,中心部分图像的信息熵大于其余部分,对mri图像预处理后,按照矢状面、冠状面和水平面三个轴向从大脑的中心提取切片,通过引入残差连接的思想,设计嵌入通道和空间注意力混合模块的Res Net模型。结果表明,通道和空间注意力混合模块嵌入Res Net模型可以有效的提升模型性能。(2)单个深度学习模型往往难以捕捉到复杂数据集中的所有特征,限制了在实际应用中的性能。为了解决这个问题,使用集成深度学习模型的方法,通过将多个预训练模型进行联合训练以获取更多丰富的特征表示。针对稳定型MCI和进展型MCI二分类问题,使用Res Net50、Mobile Net和Dense Net这三个预训练好的深度神经网络作为基分类器,采用软投票法将三个基分类器的输出结果结合起来作为最终输出。结果表明集成深度学习模型可以有效集成各基分类器的结果,最终结果优于各基分类器。(3)每个2D切片的独立性会导致彼此之间空间信息的丢失,3D CNN可以整合矢状位、冠状面和水平视图中提取的特征。大脑体积会在老年时显著缩小,与疾病进程无关,此外年龄,性别等因素也会影响体素强度或区域脑体积。在所有mri扫描中,通过线性回归降低协变量年龄、性别、总颅内体积(TIV)的影响,获得残差图像,然后将残差图像用作3D-CNN网络的输入训练深度学习模型。结果表明,使残差图像相较于预处理后的mri图像可以使模型更易获得较好的分类性能。

关键词：轻度认知障碍脑mri图像卷积神经网络集成学习残差图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种分割脑磁共振图像的改进FCM聚类算法

中国生物医学工程学报 2016年第6期35卷 648-657页

作者：林相波王新宁郭冬梅大连理工大学电子信息与电气工程学部辽宁大连116023 国网辽宁省电力有限公司大连供电公司辽宁大连116001 大连医科大学附属第二医院辽宁大连116027

噪声和偏移场是影响磁共振(mri)图像质量的主要因素。以含加性噪声和乘性偏移场的脑mri图像组织分割为目标,提出一种抗噪局部相干模糊聚类算法,通过在目标函数中加入模糊算子和一致局部信息约束,达到同时抑制噪声和偏移场不利影响的目的... 详细信息

噪声和偏移场是影响磁共振(mri)图像质量的主要因素。以含加性噪声和乘性偏移场的脑mri图像组织分割为目标,提出一种抗噪局部相干模糊聚类算法,通过在目标函数中加入模糊算子和一致局部信息约束,达到同时抑制噪声和偏移场不利影响的目的,提高分割准确性和稳定性。采用20例合成图像、60例来自Brain Web的模拟脑mri图像、100例来自IBSR真实脑mri图像,对算法的聚类性能进行评价。实验结果表明,在噪声和偏移场干扰并存的情况下,所提出算法与其他几种经典FCM改进算法相比,对合成图像集的平均分类准确度SA达到0.97,高于其他算法,最大可提高0.37;对真实脑mri图像集的脑脊液分割有明显优势,相似性测度KI平均提高约0.1。分析表明,所提出算法有更好的分类准确性和稳定性。

关键词：脑mri图像噪声偏移场 FCM算法图像分割

基于交叉双流特征融合配准网络对阿尔兹海默病中大脑皮质及皮下核团的图像分析

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于交叉双流特征融合配准网络对阿尔兹海默病中大脑皮质及皮下核...

作者：李振宇北京协和医学院

学位级别：硕士

阿尔茨海默病(Alzheimer's Disease,AD)是一种进行性和不可逆的神经退行性疾病,以记忆丧失和认知障碍为特征。如今全球约有9000万人患有AD,预计到2050年,AD患者人数将达到1.15亿。虽然可以延缓AD进展,但是目前缺乏有效的治疗方法来阻止... 详细信息

阿尔茨海默病(Alzheimer's Disease,AD)是一种进行性和不可逆的神经退行性疾病,以记忆丧失和认知障碍为特征。如今全球约有9000万人患有AD,预计到2050年,AD患者人数将达到1.15亿。虽然可以延缓AD进展,但是目前缺乏有效的治疗方法来阻止或逆转AD。因此,尽早诊断筛查出AD病症对于患者病情的预防和干预治疗至关重要。AD的临床诊断过程可以通过腰椎穿刺检测脑脊液(CSF)中的特定生物标志物进行诊断,然而这是一种侵入性检查,给患者带来一定风险。AD进展的另一种常见生物学标记是脑结构的形态学改变,随着神经影像技术的发展,其对AD的准确诊断和早期发现具有不可替代的价值。磁共振成像(magneticresonance imaging,mri)可以无创地捕捉大脑内部结构和萎缩,帮助我们了解与AD相关的大脑解剖和功能变化,特别是T1加权成像(T1-weighted imaging,T1WI)提供了关于脑组织的内部解剖结构和形态学的详细信息,可以检测和跟踪AD脑萎缩的演变。事实上,AD诊断的显著特征之一是颞叶萎缩,尤其是海马体、杏仁核等特定皮层下结构的萎缩。精准的脑解剖结构分割为健康人群与脑疾病人群的队列研究奠定基础,尤其是为后续特征提取、分析以及疾病分类模型的构建具有重要作用。此外,对于给定的数据集群体可以构建特定的人脑mri模板,以提供健康人群和疾病人群的标准化参考,进行精确的神经解剖学定位、结构和功能比较,为神经科学发展和临床研究提供依据。因此本文的研究思路主要分成以下两个部分:(1)利用图像配准算法进行标签迁移以实现脑结构分割。(2)利用脑模板构建网络,生成样本群体的脑模板。在第一部分工作中,本文提出了一种基于交叉双流的多尺度注意力特征融合网络,命名为MAFF-Net,用于脑图像微分同胚配准。首先利用交叉双流网络推断图像对之间的相互映射关系,并通过引入注意力机制融合多尺度特征的高低语义信息,最后利用微分同胚配准增强形变场的连续性和全局平滑性提高配准质量。在自采集、OASIS-AD与OASIS-Health数据集的实验结果显示,MAFF-Net算法在三个测试集上解剖结构Dice相似性系数均值分别为83.2%、85.3%和86.5%,负雅可比行列式体素比例均值为 0.027%、0.192%和 0.089%,Recall 均值为 92.4%、90.9%和 92.0%,ASD均值为0.447mm、0.387mm和0.345mm,除Recall外其余指标均优于对比算法。本文进一步利用OASIS数据集的分割结果,分析大脑皮质、海马体和杏仁核的体积和表面积与年龄的变化关系,探究这些脑结构的萎缩程度与AD的密切关系。在第二部分工作中,本文提出了一种脑模板构建网络,命名为Template-Net。该网络是在MAFF-Net的基础上,利用脑模板作为中间态桥梁,加入个体间的相似性损失函数,构建更加精准的配准网络,同时利用给定的数据集生成精确脑模板图像。在OASIS-Health与OASIS-AD数据集上的实验结果显示,本文设计的Template-Net相比于MAFF-Net在各项指标上均取得了更优的结果。本文进一步对构建的健康人和AD脑模板进行脑结构形态学对比,以便探究AD相关的影像标记物,更准确地评估疾病群体与健康人群的差异性。

关键词：脑mri图像微分同胚配准注意力机制阿尔兹海默病脑模板构建

基于特征点的非刚性医学图像配准算法的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征点的非刚性医学图像配准算法的研究与应用

作者：谷皓哈尔滨工业大学

学位级别：硕士

非刚性图像配准问题是计算机视觉和模式识别领域一个很基本也很重要的研究内容,而基于特征点的非刚性图像配准方法在医学图像、军事自动目标识别、卫星图像和数据编辑分析等应用场景都发挥了很大的作用,也是本领域研究的重点。因为对于... 详细信息

非刚性图像配准问题是计算机视觉和模式识别领域一个很基本也很重要的研究内容,而基于特征点的非刚性图像配准方法在医学图像、军事自动目标识别、卫星图像和数据编辑分析等应用场景都发挥了很大的作用,也是本领域研究的重点。因为对于复杂多变的应用场景,图像中包含的信息会存在差异,所以提出一个具有普适性的,鲁棒性强的点集配准算法是很必要的。这样针对不同的应用场景,只需要利用先验知识提取特征点,之后就能使用这个算法来进行图像配准。本文提出了一种基于高斯混合模型(GMM),具有强鲁棒性的非刚性特征点集配准算法来处理数据退化之后的配准问题。想要解决非刚性特征点集配准问题,关键在于解决寻找对应关系的问题和求解出空间变换函数。而对于数据退化严重,特别是离群点和噪声增多的情况,现阶段还没有一个特别好的方法能完美解决。这需要配准算法在配准过程中不仅要关注图像的全局信息,也要关注图像的局部信息。为了解决寻找对应关系的问题,在本文中,将配准问题视为概率估计问题,用高斯混合模型来对目标特征点集建模;将寻找点对应关系问题转化为估计混合密度的问题,使得一个特征点集的高斯密度质心与另一个特征点集保持一致。模型中加入KL(Kullback-Leibler)信息熵来做正则化项,并且利用形状描述子来初始化模型参数,使用确定性退火的方法来优化模型,保证算法在遇到离群点和噪声的情况下也能正确的完成任务。为了求解空间变换函数,在本文中,使用薄板样条平面的非刚性空间映射来对要求解的空间变换进行参数化,将空间映射描述成仿射变换函数和非仿射变换函数的组合。最后利用交替更新对应关系和空间变换函数的方法进行求解,直到收敛。本文设计了4组侧重点不同的实验,给出了配准结果并进行了量化评估,证明了算法的普适性和鲁棒性,并且和目前已经发表的几种先进方法进行对比。实验结果表明,本文算法在数据退化的情况下,也能得到较满意的配准结果。本文最后对脑mri图像进行了配准实验,证明了算法能应用于医学图像配准方向上。

关键词：图像配准非刚性配准点集配准数据退化脑mri图像