基于稀疏结构特征学习的脑图像分析及其应用研究

发布时间：2020-08-21 11:48

【摘要】：脑疾病不仅危害患者的健康和生命,同时也给患者及其家庭、社会带来沉重的经济负担和巨大的精神压力。而早诊断早治疗是消除脑疾病危害的唯一途径,神经影像则是对脑疾病进行早期诊断和治疗的重要工具。基于计算机科学的医学图像分析与处理技术已经被广泛应用于脑图像分析中。其中,稀疏学习技术由于能够发现数据固有的内在本质,已经得到了广泛的关注。脑图像分析中的挑战与难点问题之一在于如何学习及利用有效的特征,尤其是能够全面反映大脑信息的结构化特征,如多模态结构和脑网络结构等。脑图像分析一般包括数据采集、脑区分割、特征抽取、特征学习以及分类预测等步骤。本文依托稀疏学习技术针对脑图像分析中的脑区分割和特征学习两个部分,对结构化特征表达开展研究工作。具体的研究工作和创新点如下:(1)为在脑区分割中充分利用图谱图像结构特征具有的表达能力,提出一种基于层次稀疏表示的多图谱分割方法(Hierarchical Sparse Representation,HSR)。该方法首先使用树形结构对不同图谱图像进行字典(主字典和残差字典)构造,利用图谱图像块结构特征所具有的判别性,使构造出来的字典具有紧凑高效的表达能力。进一步,为剔除噪声以及减少背景图像块对最终分割结果的影响,利用主字典联合残差字典对目标图像块进行共同稀疏重建,实现更细致地组织和刻画。最终,当得到最优的稀疏重建系数后,使用重建残差来确定目标图像块所属标签。在ADNI与PPMI数据集上分别对与阿尔茨海默症有关的海马体,与帕金森病有关的脑干和基底核等脑区进行了分割实验,验证了提出分割方法的有效性,同时也证明提升重构字典的表达能力对稀疏重建具有重要的作用。(2)为在特征选择中最大化地保持不同模态数据之间以及模态自身的类别结构信息,充分挖掘多模态数据特征的判别能力,提出一种基于标号对齐的多模态特征选择方法(Label-aligned Multi-modality Feature Selection,LMFS)。该方法使用组稀疏化项,确保具有判别能力的特征能被联合地从多模态数据中选择出来。其次,为了嵌入模态数据的类别结构信息,在传统的多模态特征选择目标函数中引入标号对齐正则化项。在提出的算法基础上使用加速近似梯度(Accelerated Proximal Gradient,APG)方法来优化求解该问题。最后,使用多核支持向量机来融合所选择的多模态数据特征以进行最终的疾病诊断。提出的方法不仅能够在ADNI数据集上找到对疾病敏感的生物标志,并且在多组疾病分类中取得了较好的分类性能。(3)为在特征选择中克服高维特征之间的相似性度量不准确问题,提出自适应近邻学习策略,并以此为基础提出一种基于自适应近邻学习的多模态特征选择方法(Adaptive Similarity based Multi-modality Feature Selection,ASMFS)。传统的引入数据结构先验的特征选择方法往往需要在学习特征之前已知或者给定样本的结构关系,如样本两两之间的相似度,若给定的相似性度量不准确则会影响后续任务的性能。针对这个问题,提出的方法在多模态特征选择中,将样本相似度与稀疏权重系数同时建模。进而确保嵌入准确的模态结构,并诱导出更具有判别能力的特征。此外为了更好的刻画模态之间固有的相关性,假设所有模态数据共享同一个样本相似度矩阵。最后,使用交替迭代优化算法对提出的目标问题进行求解,并使用多核支持向量机对选择后的特征进行融合分类。在ADNI多模态数据集上与state-of-the-art方法进行了对比实验,验证了提出方法的有效性。(4)为在脑网络特征学习中挖掘多个脑区之间高阶结构的关联特性,提出一种基于直推式超图学习的脑网络选择方法(Transductive Hypergraph Learning based Subnetwork Selection,THLSS)。当前,基于脑网络的工作大部分都集中在考察脑部感兴趣区两两之间的关联性方面,即二阶关系,而忽略了更多脑区(例如三个脑区)的关联特性。更多的脑区可以构成子网络,这种包含高阶关系的子网络也许能够对疾病的早期诊断提供指导。针对这个问题,通过引入超图拉普拉斯正则化项和组稀疏约束进行直推式学习,对具有判别性的子网络进行挖掘,从而帮助寻找和发现有价值的生物标志。使用支持向量机和支持张量机在ABIDE和ADHD200脑网络数据集上进行实验。实验结果表明使用提出的方法能够发现与疾病相关的潜在子网络连接,将其用于分类能够获得很好的诊断结果。
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R741.044;TP391.41
【图文】：

示意图,轴面,矢状面,图像

南京航空航天大学博士学位论文细，大大提高了医生的诊断效率，避免了开颅等探查诊断的手术。由于人体有害的 X 射线和易引起过敏反应的造影剂，因此对人体没有损害各部位进行多角度、多平面成像。其分辨力高，能更客观更具体地显示邻关系，对病灶能更好地进行定位定性。对全身各系统疾病的诊断，尤有很大的价值。例如在阿尔茨海默症诊断中，通过使用结构核磁共振成、杏仁核等关键脑区进行体积、面积和线性测量确定大脑萎缩程度[2-的疾病情况提供精确指标。图 1.1 显示结构核磁共振成像的三个轴面 A示意图。

示意图,矢状面,轴面,图像

1.1 MRI 图像轴面（Axial）、矢状面（Sagittal）和冠状面（Coronal）示意20 世纪 70 年代被发明后，计算机断层扫描成像在医学影像中已经成为一断层扫描技术通过单一轴面的 X 射线旋转照射人体，由于不同的组织对，可以使用计算机三维技术重建出断层面影像。经由窗宽、窗位处理，层影像。将断层影像层层堆叠，即可形成立体影像。计算机断层扫描技提供很高的空间分辨率（0.5 毫米），弱点是软组织对比度差。计算机断尔茨海默症患者脑形态学改变的证据，例如发现脑皮质明显萎缩（额，大，大脑外侧裂的增宽等。计算机断层扫描成像对阿尔茨海默症的诊断阿尔茨海默症的临床诊断，达到预测及早期诊断的目的。图 1.2 显示 C矢状面（Sagittal）和冠状面（Coronal）示意图。

示意图,轴面,矢状面,图像

基于稀疏结构特征学习的脑图像分析及其应用研究学功能成像的所有器官中，脑对能量的消耗是最大的。即使在安静的状态下，脑所速率也是其他组织的 10 倍。当大脑特定脑区工作的时候，它需要的能踪反映这些能量变化的生理参数，人们就能知道当脑在从事某种作业或时，哪一部分脑区最兴奋活跃或者工作努力。这就是正电子发射断层扫成像的原理。发射断层扫描使用半衰期很短的放射性标记物如 18F-2-脱氧核糖、H21射性示踪物在人体内放出光子，计算机控制的闪烁探头在脑部四周旋转的动态过程，计算脑内葡萄糖等相关物的代谢率，可以观察人脑认知时率和氧消耗的变化等，由此检测脑部生理代谢活动与精神和心理活动的海默症患者来说，虽然很多情况下大脑结构没有发生形态学变化，实际功能异常。通过正电子发射断层扫描检测可以观察颞顶叶和后扣带回代症早期诊断具有特异性[5]。图 1.3 显示 PET 图像三个轴面的示意图。

【相似文献】