基于全卷积神经网络的脑MR图像分割方法研究

发布时间：2020-04-16 00:00

【摘要】：磁共振成像(MRI)是一种显示人体组织生理和解剖结构变化的非侵入式成像技术,脑MR图像质量较好,各组织之间对比度明显。大脑发育是复杂的过程,它贯穿儿童和青少年时期,开发工具来分析各个年龄段的神经系统发育是很重要的。在早期大脑发育的研究中,将婴儿大脑图像准确的分割为白质(White matter,WM)、灰质(Gray mater,GM)和脑脊液(Cerebrospinal Fluid,CSF),是下一步对感兴趣区域的定量分析的重要前提。近年来,深度学习在医学图像分析领域得到了广泛的应用。基于此,本文使用一种三维全卷积神经网络对脑图像进行分割并对网络进行改进,使用数据为6个月大婴儿脑部T1加权,T2加权两种模态的MR图像,算法对比显示改进效果较好。首先,本文首先分析了传统卷积神经网络在图像分割领域的两个主要缺陷,一是全连接层的存在限制了图像输入的大小,而且不能对每个像素分类,二是池化层降维的同时丢失了图像信息。接着,概述了全卷积神经网络和来解决以上缺点的其他创新方法。然后,详细说明本文中使用的全卷积神经网络结构:1.舍弃池化层,网络中全部为卷积层;2.多尺度特征,将较浅卷积层得到的特征图和最后一个3X3 X3卷积层整合在一起;3.网络输入为三维和多模态磁共振图像,多模态数据可以有效解决灰质和白质对比度低的问题,而三维数据更好的利用了原始数据中的空间特征。在此基础上,为了提高网络性能,添加1×1×1卷积层加深网络深度,加入dropout,防止过拟合。最后,将初始模型和改进的模型应用在测试数据集上,用ITK-SNAP对分割结果三维重建显示,并用三种评价方式衡量预测结果与金标准的之间的误差,各个指标均有所提升,证明了改进的有效性。
【图文】：

磁共振,磁共振,图像,脑部

一般情况下，Ｔ１ＷＩ图像近似于组织的解剖形态图，Ｔ２ＷＩ图像能更好呈现逡逑组织中病变情况。对于大脑的ＭＲＩ图像来说［４］，可观察脑脊液来区分Ｔ１和Ｔ２逡逑加权图像。如图１．１所示，脑脊液Ｔ１加权成像呈暗色，Ｔ２加权成像呈亮色。逡逑［Ｍｌ逡逑图１．１脑部磁共振Ｔ１ＷＩ图像和Ｔ２ＷＩ图像逡逑１．２研究目的和意义逡逑大脑是人类最复杂的器官，平均有大约１０００亿个神经元，每个神经元与另逡逑外１００００个神经元相连，整个大脑共有大约１０００万亿的连接。它是一个神奇而逡逑强大的器官，它使我们能够学习，看到，记住，听到，感知，理解和创造语言：逡逑有时候，人脑也因各类疾病比如脑萎缩、帕金森威胁着人类健康。逡逑进入２１世纪以来，人脑的复杂结构和功能吸引着众多科研人员，各国政府逡逑更是出台了脑计划来促进脑科学的发展。美国政府在２０１３年出台了“推动创新的逡逑神经科学技术进行大脑研宄计划”（Ｂｒａｉｎ邋Ｒｅｓｅａｒｃｈ邋ｔｈｒｏｕｇｈ邋Ａｄｖａｎｃｉｎｇ邋Ｉｎｎｏｖａｔｉｖｅ逡逑Ｎｅｕｒｏｔｅｃｈｎｏｌｏｇｉｅｓ邋（ＢＲＡＩＮ）邋Ｉｎｉｔｉａｔｉｖｅ），同年，欧盟也推出了“人类大脑项目”逡逑（Ｈｕｍａｎ邋Ｂｒａｉｎ邋Ｐｒｏｊｅｃｔ），曰本、韩国等国也?

灰度直方图,新生儿,大脑

脑分割是将大脑组织分割成非重叠区域来分别研宄，，如病变检测和分割，逡逑组织分割和新生儿、成人大脑分割＞８］，将婴儿大脑ＭＲ图像精确分割分为白质，逡逑灰质，脑脊液，如图１．２，是研究早期大脑发育的关键，在这一时期内，人类出生逡逑后的大脑表现出最有活力的发育阶段，组织迅速成长，形成关键的认知和运动功逡逑能。婴儿脑组织分割对于检测出生后不久发生的脑异常发育疾病也很重要，例如逡逑精神分裂症、双相情感障碍、注意力缺陷／多动障碍、自闭症等。例如，Ｈ．邋Ｃ．邋Ｈａｚｌｅｔｔ逡逑ｅｔ等发现了自闭症儿童在两岁前大脑的过度生长与皮质表面的增长有关。目前，逡逑解决许多神经发育障碍的手段是改善而不是治疗，早期识别到这些疾病风险，神逡逑成人逡逑个邋成人了１b澣W图像灰度Ｅ方圈逦ｔ邋新生凡Ｔｒ加权脑圈像灰度直方图逡逑像＃逦像素逡逑数敏逦／＼逦数}惧义希澹斟危停浚恚睿觯洹澹阱澹苠义希剩殄危保苠义匣襼1■逦灰度镱逡逑（ａ）逦０＞）逡逑图１．２成人和新生儿Ｔ１加权ＭＲ图像灰度直方图对比：（ａ）成人大脑，（ｂ）新生儿大脑逡逑３逡逑
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R445.2;TP391.41;TP183

【参考文献】