基于深度学习的阿尔茨海默病磁共振诊断方法研究

发布时间：2023-10-12 04:25

　　阿尔茨海默病为人类在中老年时期最为常见的慢性疾病之一,约占老年期痴呆的50%-60%。目前全球罹患阿尔茨海默病的人口数约5000万人。随着全球人口平均寿命的提升,老龄化趋势逐步明显,根据估计,阿尔茨海默病患者人口数约以二十年一倍的速度增长。目前,临床上主要采用的治疗方案为通过药物治疗、非药物治疗的联合使用使疾病症状减轻、延缓病情发展。因此,阿尔茨海默病及其前驱症状的早期诊断,对于患者的治疗具有重要的临床意义。磁共振成像诊断为中枢神经系统疾病的常用诊断方式之一。根据工作序列不同,磁共振不仅可以提供大脑的形态学信息,也可以用于评定不同脑区的化学成分状态以及功能状态。因此,磁共振成像在阿尔茨海默病及其前驱症状的临床诊断工作中的作用逐渐得到重视。利用磁共振成像中常见的T1结构磁共振影像和静息态功能磁共振影像两种成像模态,我们对阿尔茨海默病对脑部结构的影响及相应的计算机辅助自动诊断方法进行了研究。具体地,1)利用上海市精神卫生中心采集的阿尔茨海默病、遗忘型轻度认知障碍以及正常认知三类被试的T1结构磁共振影像,我们对其各脑区皮层厚度和表面积进行测量,分析中国人群阿尔茨海默病及其前驱症状患者受疾病影...

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 阿尔茨海默病的生物学描述
    1.2 磁共振成像原理
    1.3 阿尔茨海默病的磁共振成像诊断
    1.4 研究背景及意义
    1.5 本文研究工作及组织结构
第二章 阿尔茨海默病及其前驱症状的大脑形态变化研究
    2.1 本章引言
    2.2 实验数据
        2.2.1 被试选取
        2.2.2 数据采集
        2.2.3 数据处理
    2.3 统计分析
    2.4 结果分析
    2.5 小结
第三章 基于卷积-图卷积网络的阿尔茨海默病诊断模型
    3.1 本章引言
    3.2 卷积神经网络简介
        3.2.1 发展历程
        3.2.2 基本结构
        3.2.3 梯度下降法
    3.3 图卷积神经网络简介
    3.4 自动诊断模型的搭建
        3.4.1 开发平台
        3.4.2 模型结构
    3.5 自动诊断模型的应用
        3.5.1 数据及预处理
        3.5.2 模型的训练
        3.5.3 测试结果
        3.5.4 讨论
        3.5.5 小结
第四章 基于动态谱的图卷积循环神经网络自动诊断模型
    4.1 本章引言
    4.2 循环神经网络简介
    4.3 基于动态谱的图卷积循环神经网络诊断模型的构建
        4.3.1 动态谱的获取
        4.3.2 模型结构
    4.4 模型的训练与测试
        4.4.1 数据获取
    4.5 测试结果
    4.6 讨论
    4.7 小结
第五章 总结与展望
参考文献
硕士期间学术成果
致谢



本文编号：3853448