基于多模态脑胶质瘤MRI影像检测算法的研究与实现

发布时间：2022-02-13 22:49

　　脑胶质瘤是一种最常见的原发性脑肿瘤,具有较高的发病率和死亡率,即使采取最积极的治疗,预后也比较差。分子生物标志物O6-甲基鸟嘌呤-DNA-甲基转移酶（MGMT）启动子甲基化状态与胶质瘤患者的化疗效果及其预后密切相关,其状态的检测对患者具有重要的意义。目前的检测方法大多是基于活体组织的侵入式检测,本文提出一种无创的定量影像分析方法来预测MGMT启动子甲基化状态。该方法主要包含了影像的分割、特征提取与选择以及分类预测,本文将围绕这三个方面展开具体的研究。影像的分割是整个检测过程的关键,其结果直接影响后续影像的分析。本文提出一种基于多模态卷积神经网络的自动分割方法来将患者MRI影像分割为水肿区、增强区、非增强区、坏死区以及健康区五个子区域。为了充分利用多个模态影像的差异信息,针对每个模态影像都分别构建一个卷积神经网络特征提取器,然后将其组合来训练分类,从而优化分割结果。其次在模型中使用两个具有小卷积核的卷积层来替代一个具有较大卷积核的卷积层,从而来提高模型的判别能力。公开数据集的验证结果显示了本方法能够有效准确的分割出脑胶质瘤各个子区域。与其它算法的对比结果显示了本方法能够更加全面的分割出肿... 

【文章来源】：武汉理工大学湖北省211工程院校教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

肿瘤内空间-时间异质性示意图

图 2-5 四个模态的影像及正确的分割真值充分利用这 4 个不同模态不同的突出信息，本文提出了一络分割模型。在该模型中，每种模态影像都分别对应一个样态影像样本数据构建了一个卷积神经网络进行特征提取，然并进行训练分类。下面对多模态卷积神经网络算法以及结构。模态卷积神经网络算法见的 CNN 模型相比，本文提出的多模态卷积神经网络模型行了改变外，在内部结构以及算法训练上也进行了一些变化和全连接层的改变，正则化、BatchNormalization 技术的使失函数和梯度下降优化算法的选择。卷积层卷积神经网络，通常卷积层越多，学习到的特征越复杂，网

训练学习率 α 0.003训练动量因子 γ 0.9训练批处理样本数 Batch 100构建的模型中，共有 3751325 个参数需要训练。在具体实验中，采证的方法来训练构建的网络模型，训练过程中的训练准确率以及迭代次数变化示意图如图 2-8 所示，从图中我们可以看出，训练准次数的增加而逐渐增高，验证准确率随着迭代次数的增加，刚开始加，后来逐渐趋于稳定。训练过程中的训练损失值以及验证损失值化示意图如图 2-9 所示，从图中我们可以看出，训练损失值随着迭而逐渐降低，验证损失值随着迭代次数的增加，刚开始整体趋势在渐趋于稳定。从训练结果可以看出，当迭代次数在 35 左右时，验随着训练准确率的增加而明显变化，因此本次训练最终将迭代次型在训练时采用 NVIDIAGeForce GTX 1050 GPU 加速，每次迭代 分钟，整个训练过程大约需要 10 个小时。

【参考文献】：
期刊论文
[1]高维小样本分类问题中特征选择研究综述[J]. 王翔,胡学钢.  计算机应用. 2017(09)
[2]MGMT基因甲基化检测在神经胶质瘤治疗中的应用[J]. 宣自学,袁守军,王维,俞佳.  肿瘤学杂志. 2016(10)
[3]基于多尺度卷积神经网络的磁共振成像脑肿瘤分割研究[J]. 李健,罗蔓,罗晓,蓝威,周怀恒,陈荣耀.  中国医学装备. 2016(02)
[4]中国脑胶质瘤分子诊疗指南[J]. 中国脑胶质瘤基因组图谱计划（CGGA）.  中华神经外科杂志. 2014 (05)
[5]基于磁共振图像的脑瘤MGMT表达状况检测算法[J]. 刘晨彬,潘颖,张海石,黄峰平,夏顺仁.  浙江大学学报(工学版). 2012(01)
[6]MGMT基因启动子甲基化检测在脑胶质瘤化疗中的意义[J]. 郑长青,季守平,宫锋,李安民,邰军利,章扬培.  癌症. 2009(06)



本文编号：3624059