基于深度学习的阿尔兹海默症分类模型研究
发布时间：2021-01-28 17:57
阿尔兹海默症（Alzheimer disease,AD）的诊断一直是生物医学疾病学领域的研究热点。目前,国内外研究人员在进行AD分析时,通常通过简易智能精神状态量表（Mini-Mental State Examination,MMSE）对受试者进行评分,分析其患病程度,或者通过磁共振图像（Magnetic Resonance Imaging,MRI）进行AD诊断。对于MMSE,不同种族人群的评分标准存在差异,对于MRI,信息只能通过图像获取。本研究提出了在基于TI加权脑区MRI图像信息的基础上,加入磁共振波谱（Magnetic Resonance spectroscopy,MRS）、年龄和性别数据,利用深度学习技术进行分类建模,并探究MRS数据加入对AD分类影响。通过T检验（Student’s t test）和创新提出“神经网络节点刺激法”筛选出关键数据进行建模,提高模型对AD的分类精度。将筛选出的数据分别与MMSE进行相关性分析,验证筛选出的数据为研究AD的关键数据。论文的主要研究内容包括:（1）提出了将脑区MRI多模态信息和MRS信息相融合的建模方式进行AD分类建模的方法。通过MR...
【文章来源】：天津工业大学天津市
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
脑区MRI分割3D模型结构图
第一章绪论11法”，通过神经网络的“黑盒”作用，对模型的敏感性进行分析，提取对模型输出结果影响较大的数据（MRI数据和MRS数据）。将两种方法筛选出的数据进行对比分析，提供关键脑区结构和MRS数据的参数信息。本文的研究内容如图1-2所示。图1-2研究内容本文研究内容如下：（1）进行数据的预处理，通过MRI图像的多图谱脑分割技术进行各个脑区结构的体素提取（T1加权和5级粒子度定义的脑区结构）。通过MEGA-PRESS技术分别获取脑区额叶和顶叶的MRS数据GABA代谢物浓度。创新提出使用脑区MRI多模态信息和MRS信息相融合的建模方式进行AD的诊断方法，模型使用二元分类方法，验证了MRS信息的加入可以有效提高分类精度。分别比较了基于MRI数据建模、基于MRI和MRS的数据建模、基于MRI、MRS、年龄和性别数据建模的分类结果，提出MRS数据对AD的诊断具有重要影响。（2）使用SVM进行建模，探究MRS数据（GABA_4、GABA_5）的加入对AD的分类影响。实验结果显示MRS数据的加入使模型的AUC值从0.7607提高到了0.8，有效提高了模型的性能，分类准确率为88.9%，有待提高。（3）设计基于SAE的深度神经网络结构对上述三部分数据进行建模，提高模型对AD的分类精度。探究MRS数据的加入对模型分类的影响。实验结果表明MRS数据的添加有效地减少了模型预测值和实际标签值之间的误差，其中，平均误差由之前的0.0580减小到0.0111，且模型的AUC值为0.9750，具有很高
第二章MRI和MRS数据预处理17（a）右侧脑区海马3D模型图（b）右侧脑区海马轴向切面图（c）右侧脑区海马矢状切面图（d）右侧脑区海马冠状切面图图2-1右侧脑区海马体分割3D模型结构图2.2MRS数据预处理2.2.1MEGA-PRESS技术MEGA-PRESS序列，它结合了MEGA（MEscher-Garwood）序列与PRESS序列的各自优点。被广泛引用在3.0TMR扫描仪中。对于脑区中的GABA代谢物数据，传统的MRS检测方法无法直接准确的检测浓度，但随着技术的发展，利用谱编辑法修改序列，获取GABA代谢物的MRS信号已成为一种非常有效的常用方法[62]。MEGA作为目前较常用的谱编辑技术，是一种最初运用在脉冲序列里，为了抑制溶剂信号的技术。MEGA的原理是将两个完全相同的180o软脉冲序列放置在一个具有重聚横向磁化矢量作用的180o脉冲的两侧，通过梯度磁场进行扰相，使得被选择激发的物质信号消失[63]。MEGA主要以模块化的形式使用，并且实施方便，操作简单。可以在含有重聚脉冲的序列里使用。在此基础上，结合PRESS序列，能够更好的获取信号。
【参考文献】：
期刊论文
[1]在体检测γ-氨基丁酸的MEGA-PRESS序列优化设计[J]. 花蕊,孙钰,温林飞,刘慧,万遂人. 波谱学杂志. 2018(02)
[2]MRI在阿尔茨海默氏病中的应用研究进展[J]. 靳聪,林岚,付振荣,周著黄,高宏建,吴水才. 智慧健康. 2015(01)
[3]小心阿尔茨海默病的前期症状[J]. 王永珍. 长寿. 2014(12)
[4]定量分析阿尔茨海默病患者的精神行为症状[J]. 杨志勇,汪华侨,姚志彬. 中国老年学杂志. 2011(03)
[5]脑脊液检测在临床上的应用[J]. 张玮玮. 当代医学(学术版). 2008(13)
[6]痴呆的行为和精神症状（BPSD）的临床特征和护理措施[J]. 周秋华,侯建民. 中国民康医学. 2004(07)
[7]磁共振成像的基本原理与临床应用[J]. 高保安,王颂章,伍少鹏,路阳. 广后医学. 1991(04)
本文编号：3005426
【文章来源】：天津工业大学天津市
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
脑区MRI分割3D模型结构图
第一章绪论11法”，通过神经网络的“黑盒”作用，对模型的敏感性进行分析，提取对模型输出结果影响较大的数据（MRI数据和MRS数据）。将两种方法筛选出的数据进行对比分析，提供关键脑区结构和MRS数据的参数信息。本文的研究内容如图1-2所示。图1-2研究内容本文研究内容如下：（1）进行数据的预处理，通过MRI图像的多图谱脑分割技术进行各个脑区结构的体素提取（T1加权和5级粒子度定义的脑区结构）。通过MEGA-PRESS技术分别获取脑区额叶和顶叶的MRS数据GABA代谢物浓度。创新提出使用脑区MRI多模态信息和MRS信息相融合的建模方式进行AD的诊断方法，模型使用二元分类方法，验证了MRS信息的加入可以有效提高分类精度。分别比较了基于MRI数据建模、基于MRI和MRS的数据建模、基于MRI、MRS、年龄和性别数据建模的分类结果，提出MRS数据对AD的诊断具有重要影响。（2）使用SVM进行建模，探究MRS数据（GABA_4、GABA_5）的加入对AD的分类影响。实验结果显示MRS数据的加入使模型的AUC值从0.7607提高到了0.8，有效提高了模型的性能，分类准确率为88.9%，有待提高。（3）设计基于SAE的深度神经网络结构对上述三部分数据进行建模，提高模型对AD的分类精度。探究MRS数据的加入对模型分类的影响。实验结果表明MRS数据的添加有效地减少了模型预测值和实际标签值之间的误差，其中，平均误差由之前的0.0580减小到0.0111，且模型的AUC值为0.9750，具有很高
第二章MRI和MRS数据预处理17（a）右侧脑区海马3D模型图（b）右侧脑区海马轴向切面图（c）右侧脑区海马矢状切面图（d）右侧脑区海马冠状切面图图2-1右侧脑区海马体分割3D模型结构图2.2MRS数据预处理2.2.1MEGA-PRESS技术MEGA-PRESS序列，它结合了MEGA（MEscher-Garwood）序列与PRESS序列的各自优点。被广泛引用在3.0TMR扫描仪中。对于脑区中的GABA代谢物数据，传统的MRS检测方法无法直接准确的检测浓度，但随着技术的发展，利用谱编辑法修改序列，获取GABA代谢物的MRS信号已成为一种非常有效的常用方法[62]。MEGA作为目前较常用的谱编辑技术，是一种最初运用在脉冲序列里，为了抑制溶剂信号的技术。MEGA的原理是将两个完全相同的180o软脉冲序列放置在一个具有重聚横向磁化矢量作用的180o脉冲的两侧，通过梯度磁场进行扰相，使得被选择激发的物质信号消失[63]。MEGA主要以模块化的形式使用，并且实施方便，操作简单。可以在含有重聚脉冲的序列里使用。在此基础上，结合PRESS序列，能够更好的获取信号。
【参考文献】：
期刊论文
[1]在体检测γ-氨基丁酸的MEGA-PRESS序列优化设计[J]. 花蕊,孙钰,温林飞,刘慧,万遂人. 波谱学杂志. 2018(02)
[2]MRI在阿尔茨海默氏病中的应用研究进展[J]. 靳聪,林岚,付振荣,周著黄,高宏建,吴水才. 智慧健康. 2015(01)
[3]小心阿尔茨海默病的前期症状[J]. 王永珍. 长寿. 2014(12)
[4]定量分析阿尔茨海默病患者的精神行为症状[J]. 杨志勇,汪华侨,姚志彬. 中国老年学杂志. 2011(03)
[5]脑脊液检测在临床上的应用[J]. 张玮玮. 当代医学(学术版). 2008(13)
[6]痴呆的行为和精神症状（BPSD）的临床特征和护理措施[J]. 周秋华,侯建民. 中国民康医学. 2004(07)
[7]磁共振成像的基本原理与临床应用[J]. 高保安,王颂章,伍少鹏,路阳. 广后医学. 1991(04)
本文编号：3005426
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3005426.html
最近更新
教材专著
