基于深度学习网络的海马体多图谱融合算法研究

发布时间：2020-04-12 04:38

【摘要】：海马体(Hippocampus)是人类和脊椎动物脑部的重要生理器官,与人类和动物的空间认知感和记忆能力等生理功能有显著关系。通过临床实验发现如颞叶癫痫、老年痴呆症、精神分裂症等精神疾病的发生常伴随海马体的体积增减,因此针对海马体体积的研究为各种精神疾病的诊断和治疗提供了有力的帮助。而对海马体体积的研究首先需要从人脑结构图中完成海马体结构的分割。本文研究了基于深度学习网络的海马体分割融合算法,主要研究内容如下:首先,人脑海马体医学图像分割技术因其图像格式特殊,且形状不规则,体积小,边缘与周围组织对比度低等特点,导致其分割难度较高,传统分割方法难以取得令人满意的效果。基于图谱配准的分割算法是利用图谱提供的先验信息实现目标图像的分离,主要应用于大脑MRI图像的分割。但是传统单图谱的融合算法存在图谱信息提取和利用不完全的缺点,为充分提取和利用待融合图像的图谱特征,提高海马体图谱的融合精度,提出一种基于深度学习网络的海马体多图谱融合算法;其次,在图谱预处理过程中利用重采样方法与微分同胚算法对图谱进行配准,将配准后的图谱分解为基部和细节部,利用加权平均融合基部图谱改善传统配准算法的精度;最后,利用VGG深度学习网络对细节部图谱完成特征提取并进行分层融合,把细节部与基部图谱做加权平均融合得到最终结果,提高了图谱融合精度。本文主要针对配准之后的海马体多图谱图像利用深度学习方法进行图谱融合,先对海马体图谱图像进行预处理,包括颅骨剔除、提取脑部MRI图谱中海马体的感兴趣区域(ROI)、重采样粗配准和微分同胚Demons精配准,配准完成之后利用深度学习网络对配准图谱进行特征提取并完成图像融合。由于充分利用了图谱的基部和细节部特征,可改进传统算法对图谱细节部特征利用不充分的缺陷。实验结果表明,可得到较传统融合算法更高的图谱融合精度,各项评价指标均有所改善。
【图文】：

体内的空间轮廓和位置分布，所以标签图像相对其他图谱图像具有更高的可信度和参考价值［４３】。逡逑依据标签图像中标记的结构数目或者目标数目可以把图谱分为单目标和多目标图谱，其中单目标逡逑图谱表示该图谱的脑ＭＲ图像只含有单个脑部结构的标记，如图２－１所示为只标记了人脑海马体逡逑结构的单目标图谱。多目标图谱则是对那些不止标记了单个目标结构的图谱的统称，如图２－２所逡逑示为标记有６７个脑部结构的多目标脑ＭＲ图谱，对其进行三维视图和３Ｄ视图展示并用不同颜色逡逑对不同脑部组织器官结构进行区别标示，可以看出各个结构在空间位置和相互结构间的毗邻关系。逡逑本文主要对包含有海马体结构的脑部区域图像展开研究，也就是说本文主要的研究对象是单逡逑目标图谱。为了研宄的方便和数学表达的严谨，我们把图谱的灰度图像和标签图像分别做以下公逡逑式化定义：选取Ｎ个图谱分别表示为：／邋＝邋0４ｓ｜ｓ邋＝邋ｌ，２，３Ｎ｝邋，邋Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，其中逡逑／邋＝邋（Ｖｌｓ｜ｓ邋＝邋１，２，，３Ａｆ｝是图谱图像，Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，．．．，Ａ0是与图谱图像对应的标签图像。逡逑（ａ）轴状位多目标图谱标签逦（ｂ）矢状位多目标图谱标签逡逑ＨＱ逡逑（ｃ）冠状位多目标图谱标签逦（ｄ）多目标图谱３Ｄ标签图逡逑图２－２多目

体内的空间轮廓和位置分布，所以标签图像相对其他图谱图像具有更高的可信度和参考价值［４３】。逡逑依据标签图像中标记的结构数目或者目标数目可以把图谱分为单目标和多目标图谱，其中单目标逡逑图谱表示该图谱的脑ＭＲ图像只含有单个脑部结构的标记，如图２－１所示为只标记了人脑海马体逡逑结构的单目标图谱。多目标图谱则是对那些不止标记了单个目标结构的图谱的统称，如图２－２所逡逑示为标记有６７个脑部结构的多目标脑ＭＲ图谱，对其进行三维视图和３Ｄ视图展示并用不同颜色逡逑对不同脑部组织器官结构进行区别标示，可以看出各个结构在空间位置和相互结构间的毗邻关系。逡逑本文主要对包含有海马体结构的脑部区域图像展开研究，也就是说本文主要的研究对象是单逡逑目标图谱。为了研宄的方便和数学表达的严谨，我们把图谱的灰度图像和标签图像分别做以下公逡逑式化定义：选取Ｎ个图谱分别表示为：／邋＝邋0４ｓ｜ｓ邋＝邋ｌ，２，３Ｎ｝邋，邋Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，其中逡逑／邋＝邋（Ｖｌｓ｜ｓ邋＝邋１，２，３Ａｆ｝是图谱图像，Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，．．．，Ａ0是与图谱图像对应的标签图像。逡逑（ａ）轴状位多目标图谱标签逦（ｂ）矢状位多目标图谱标签逡逑ＨＱ逡逑（ｃ）冠状位多目标图谱标签逦（ｄ）多目标图谱３Ｄ标签图逡逑图２－２多目
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R741.044;TP18;TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 胡柯柯;;海马体:只是做好了普通的小事而已[J];时代经贸;2016年26期

2 王元;;海马体照相馆 一张精致的照片,为你留下属于你的记忆[J];时尚北京;2018年10期

3 ;睡眠时脑波也在用功[J];大自然探索;2017年02期

4 ;图闻天下[J];飞碟探索;2017年10期

5 杨弘诣;杨为东;腾力平;张国辉;孙大勇;;甲醛和氯霉素在海马体内残留的变化[J];中国国境卫生检疫杂志;2007年03期

6 刘谊人;;多听交响乐不迷路[J];老同志之友;2013年03期

7 ;细心关爱 助推孩子 智力发展[J];启蒙(0-3岁);2012年09期

8 郭琳;;研究发现人成年后大脑海马体不再产生新神经元[J];海南医学;2018年06期

9 ;提醒[J];妇女生活(现代家长);2013年12期

10 ;海马体重新定位及内嗅皮层网格细胞重排[J];中华神经医学杂志;2007年05期

中国重要会议论文全文数据库 前5条

1 彬彬;;我们的记忆都去哪了:窥探大脑归档系统海马体[A];《科学与现代化》2016年第1期（总第066期）[C];2016年

2 李志强;武慧欣;木云珍;张媛;贺宇;吴锡南;;电磁辐射对海马体影响的研究进展[A];2017环境与公共健康学术会议暨中国环境科学学会环境医学与健康分会、中国毒理学会生化与分子毒理专业委员会2017年年会论文集[C];2017年

3 任扬;邓志丹;王翔;;不同频率声波对SD大鼠海马体血清素释放的影响[A];第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编[C];2018年

4 刘霞;;老年人大脑也能长出新细胞 生成速度与年轻人一样[A];《科学与现代化》2019年第1期（总第078期）[C];2019年

5 毛成洁;;REM sleep behavior disorder and Neurodegenerative Disorders[A];第六届中国睡眠医学论坛暨中国睡眠研究会睡眠障碍专业委员会成立十周年论文汇编[C];2015年

中国重要报纸全文数据库 前10条

1 中国青年报·中青在线记者 王景烁;海马体照相馆：“最美证件照”掀起热潮[N];中国青年报;2018年

2 记者 刘霞;大脑记忆规则被“改写”[N];科技日报;2017年

3 实习生 马雨昕;长期玩动作类电子游戏伤大脑[N];科技日报;2017年

4 记者 冯卫东;海马体中记忆相关活动流程并非单向[N];科技日报;2014年

5 张yN;毛线织出“仿真”大脑[N];新华每日电讯;2009年

6 记者 常丽君;大脑海马体绘图抄写“一心二用”[N];科技日报;2013年

7 荆晶;考前熬通宵 不如背完快睡觉[N];大众卫生报;2015年

8 本报记者 韩扬眉;走近学习与记忆的“开关”[N];中国科学报;2020年

9 刘华;缺觉影响记忆形成[N];卫生与生活报;2007年

10 实习记者 代小佩;促进海马体中神经元的生成或能缓解阿尔茨海默症[N];科技日报;2019年

中国博士学位论文全文数据库 前2条

1 仇志坤;转位蛋白(18KDa)配体化合物AC-5216及其衍生物YL-IPA08抗创伤后应激性障碍药效学及作用机制研究[D];南方医科大学;2014年

2 李白;虫草素快速抗抑郁效果和作用机制研究[D];云南大学;2016年

中国硕士学位论文全文数据库 前10条

1 申旺发;基于深度学习网络的海马体多图谱融合算法研究[D];宁夏大学;2019年

2 王文娜;基于多图谱的脑MRI海马体分割方法研究[D];宁夏大学;2019年

3 李卓然;脑图像海马体分割方法的研究[D];山东师范大学;2019年

4 姜岩芸;基于3D卷积神经网络的海马体配准技术研究[D];山东师范大学;2019年

5 肖玉芬;阿尔茨海默症中海马体子区域形态学分析[D];哈尔滨工程大学;2018年

6 张鹏;人类海马体功能剖分及连接模式分析[D];国防科学技术大学;2016年

7 郭莉;早产兔生发基质—脑室内出血对海马体的影响[D];河北医科大学;2017年

8 刘颖;基于方向尺度描述子与稀疏编码的海马体分割[D];南方医科大学;2017年

9 邓琦;基于脑MRI图像的海马体分割及其三维可视化系统设计与实现[D];西南交通大学;2017年

10 乔志通;基于广义拉盖尔—沃尔泰拉模型（GLVM）的海马体神经网络生物芯片的设计与实现[D];浙江大学;2018年

本文编号：2624284