儿童脑肿瘤磁共振影像的智能分析及应用研究

发布时间：2023-04-28 22:50

　　儿童脑肿瘤是最常见的儿童实质性肿瘤,是导致儿童死亡的重要原因。后颅窝肿瘤在4-10岁患儿中占绝大部分。后颅窝肿瘤主要包括髓母细胞瘤、室管膜瘤和星形细胞瘤。这三种脑肿瘤恶性程度不同,治疗和预后方法也大不相同,因而早期诊断及合理的治疗方式尤为重要。目前,对于儿童脑肿瘤的诊断以及预后治疗都需要借助于医学影像。其中,无辐射的磁共振影像技术在儿童疾病中的应用越来越为广泛,且磁共振影像具有软组织分辨率高、可以多平面多序列成像等优点。扩散加权成像作为一种功能性磁共振影像,能够提供丰富的组织信息,在肿瘤诊断中具有重要的指导意义。本论文主要使用扩散加权成像中的表观扩散系数(ADC)参数图,来进行三种儿童后颅窝脑肿瘤的智能分析,并将脑肿瘤分割和分类结合在一起,从而为儿童脑肿瘤自动化诊疗提供解决方案。本论文的工作主要包括以下三个方面:(1)儿童脑肿瘤分割工作。分割工作为后续的分类工作提供肿瘤区域的定位。分割方法中首先使用OSTU阈值法进行脑实质的分割,而后使用模糊C均值聚类和水平集方法分割脑实质区域中的脑肿瘤。对于386张肿瘤切片进行分割后,能够达到88.5%的精确度。而后将分割结果生成脑肿瘤方形patch...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 本文研究内容和组织结构
第二章 磁共振影像
    2.1 磁共振成像原理
    2.2 扩散加权成像原理
    2.3 表观扩散系数
    2.4 儿童脑肿瘤磁共振图像特征
    2.5 本章小结
第三章 基于模糊C均值聚类和水平集方法的儿童脑肿瘤分割
    3.1 模糊C均值聚类
    3.2 水平集方法
    3.3 脑肿瘤分割实验
        3.3.1 分割数据集
        3.3.2 实验设计
        3.3.3 脑实质区域分割
        3.3.4 肿瘤分割
        3.3.5 分割结果验证
    3.4 本章小结
第四章 基于传统机器学习方法的儿童脑肿瘤分类
    4.1 传统机器学习算法
        4.1.1 logistic回归分类器
        4.1.2 随机森林分类器
        4.1.3 多分类问题
    4.2 特征提取方法
        4.2.1 直方图特征
        4.2.2 纹理特征
    4.3 特征选择
    4.4 实验
        4.4.1 验证指标
        4.4.2 分类数据集
        4.4.3 实验结果
        4.4.4 讨论
    4.5 本章小结
第五章 基于深度学习方法的儿童脑肿瘤分类
    5.1 卷积神经网络
    5.2 迁移学习
    5.3 卷积神经网络可视化
    5.4 数据扩增
    5.5 数据平衡
    5.6 模型集成
    5.7 实验
        5.7.1 分类器和数据集
        5.7.2 单模型实验
        5.7.3 多模型集成
        5.7.4 实验结果与讨论
    5.8 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
作者简介



本文编号：3804644