基于曲面形状多尺度分析的大脑核磁共振成像分类研究

发布时间：2018-01-24 07:30

  本文关键词： 阿尔茨海默病 核磁共振成像 局部点面距 多尺度分析 支持向量机分类器　出处：《西安电子科技大学》2014年硕士论文　论文类型：学位论文

【摘要】：脑疾病的诊断和治疗是21世纪人类脑计划的研究目标之一,成像技术和影像处理技术的结合使得大脑图像的非侵入式获取和大脑皮层的直观定量表示成为可能,为脑疾病的临床诊断和治疗提供客观数据支持。本文主要针对阿尔茨海默病(Alzheimer Disease, AD)的脑部核磁共振成像(Magnetic Resonance Imaging, MRI)所表现出的脑皮层形状进行统计分析和分类研究。首先,本文提出了一种能够对网格曲面进行多尺度形变刻画的新的形状描述符—局部点面距(Local Vertex-Plane Distance, LVPD),它具备良好的局部化能力和旋转不变性,同时具有高可用性,便于计算；以脑皮层三角网格曲面的LVPD为观测值,采用广义线性模型,通过组间比较对四组样本(AD, PMCI, SMCI, NC)的脑皮层网格形状进行了多尺度统计分析,揭示AD脑皮层形状的变异区域位置、尺度和幅度等信息；并以多尺度的脑皮层变异形状特征信息为主要依据,给出一种基于种子点和区域生长准则的稳定特征提取算法,并将提取到的特征作为支持向量机(SVM)分类器的输入,结合粒子群优化(PSO)算法实现了对样本的分类。
[Abstract]:In 21th century, the diagnosis and treatment of brain diseases is one of the objectives of the Human brain Project. The combination of imaging technology and image processing technology makes it possible to obtain non-invasive brain images and visualize quantitative representation of cerebral cortex. To provide objective data for the clinical diagnosis and treatment of brain diseases. This article focuses on Alzheimer's disease Alzheimer's Disease. Magnetic Resonance Imaging. MRI) shows the cortical shape to carry on the statistical analysis and the classification research. First. In this paper, a new shape descriptor, Local Vertex-Plane Distance, is proposed, which can be used to characterize mesh surfaces with multi-scale deformation. LVPD has good localization ability, rotation invariance, high availability and easy to calculate. Taking the LVPD of the cortical triangular mesh surface as the observation value, the generalized linear model was used to compare the four groups of samples: ad, PMCI, SMCI. The multiscale statistical analysis was carried out to reveal the location, scale and amplitude of the region of variation of AD cortical shape. A stable feature extraction algorithm based on seed point and region growth criterion is presented based on the multi-scale shape feature information of cortical variation. The extracted features are used as input of support vector machine (SVM) classifier and particle swarm optimization (PSO) algorithm is used to realize the classification of samples.
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R445.2;R741;TP391.41

【参考文献】

相关期刊论文 前8条

1 郑志国;;我国人口老龄化态势和应对方略——基于全国六次人口普查的分析[J];管理学刊;2011年05期

2 韩璎;郎悦;;轻度认知障碍和阿尔茨海默病静息态功能磁共振成像研究进展[J];神经疾病与精神卫生;2010年03期

3 刘爽;张玉莲;周震;;老年性痴呆流行病学研究现况[J];中国老年学杂志;2010年10期

4 丁蓓;凌华威;陈克敏;;轻度认知功能障碍的神经影像学研究进展[J];国外医学(临床放射学分册);2007年02期

5 闫允一;郭宝龙;;Two image denoising approaches based on wavelet neural network and particle swarm optimization[J];Chinese Optics Letters;2007年02期

6 郭小娟;姚力;金真;;基于像素的形态测量学方法及其在脑图像处理中的应用[J];北京师范大学学报(自然科学版);2006年02期

7 方惠兰,王国瑾;三角网格曲面上离散曲率估算方法的比较与分析[J];计算机辅助设计与图形学学报;2005年11期

8 崔晨e，

本文编号：1459500