基于矩阵分解的MRI和MRSI数据融合方法研究

发布时间：2017-08-26 01:14

  本文关键词：基于矩阵分解的MRI和MRSI数据融合方法研究

  更多相关文章： 神经胶质瘤 多模态数据融合 非负矩阵分解 核磁共振成像

【摘要】：核磁共振技术是信息技术在医疗诊断领域中的重要应用,以其非侵入式的检测方式和准确的检测结果而赢得世人的青睐,逐渐成为了医学领域,特别是人脑肿瘤检测中最主要最权威的检测手段。核磁共振成像(Magnetic resonance imaging,MRI)和核磁共振谱成像(Magnetic resonance spectroscopic imaging,MRSI)是核磁共振技术两个最主要的应用,MRI成像空间分辨率高但是准确率较低,MRSI成像空间分辨率低但是准确率较高。通过单一的成像手段均无法满足医学诊断对于准确度和分辨率的要求,而通过数据融合的手段可以得到包括两种数据优点的融合结果。MRSI数据为波谱数据,MRI数据为图像数据,故MRSI数据与MRI数据的融合属于多模态数据融合问题。本文基于数据融合理论,利用非负矩阵分解理论和小波分析方法对MRI和MRSI数据融合问题进行研究,提出一种非监督的多模态数据融合方法,主要工作和贡献如下:1、针对MRSI成像数据量大、表达不直观的问题,采用非负矩阵分解(Non-negative Matrix Factorization,NMF)方法将MRSI数据进行分解得到参考波谱矩阵和其对应的系数矩阵,从而得将不可视的波谱数据转化为可视的结果。2、针对MRSI数据和MRI数据在成像结果上的不足,提出一种基于小波分解理论的融合方法将两种模态的数据进行融合,在采用NMF对MRSI数据进行迭代分解的过程中,将迭代产生的中间结果与MRI图像信息进行融合,再将融合结果取代原中间结果返回到迭代过程中,待NMF分解结束即输出融合结果。融合结果在保持MRSI数据高准确率的同时,提高检测结果的空间分辨率。3、由于MRSI数据难以获得、预处理困难,难以获得大量数据集进行训练,传统的监督融合方法并不适用于该问题的研究,本文提出三种不同的非监督的融合方法,并在活体病例上进行实验验证,实验结果表明自适应的加权系数融合方法的融合结果最为理想。
【关键词】：神经胶质瘤 多模态数据融合 非负矩阵分解 核磁共振成像
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R739.4;TP202
，

本文编号：738736