膝骨性关节炎的磁共振大数据定量研究

发布时间：2022-12-09 18:19

　　目的:骨关节炎是多病因、临床表现及病理表现的异质性疾病。本研究目的是结合深度学习算法,通过大量正常人及骨关节炎患者的膝关节磁共振图像,实现膝关节软骨的自动分类和分割并评价其准确性,建立膝关节大数据人工智能诊断软件;利用数据处理的方法,在膝关节磁共振图像的精确分割基础上,计算正常国人不同年龄阶段的软骨厚度;进一步利用大数据分析,建立正常中国人不同年龄阶段（16-65岁）的膝关节软骨曲线。材料与方法:本研究采用回顾性分析,共纳入590例数据用于建立软骨自动分割和分类系统,其中557例用于自动分类训练,33例用于自动分割（27例训练数据,6例测试数据）,利用深度学习的方法和神经网络模型--V型网络和Inception网络进行自动分割和分类,分割结果用Dice相似系数评价,分类结果用五折交叉验证,利用深度卷积神经网络、单幅图像超分辨率算法和极深网络超分辨率算法将上述过程整合;另纳入2365例正常人（16-65岁）膝关节磁共振数据,通过图像的分割、计算厚度、配准和回归,得到所有年龄、股骨表面所有位置的软骨平均厚度。结果:膝关节股骨、胫骨和髌骨自动分割DSC值依次为0.9856±0.0053、0.... 

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
缩略词
第一章 绪论
    1.1 骨性关节炎的流行病学、国内外研究进展
    1.2 骨软骨单元共同启动骨性关节炎的发病机制
    1.3 软骨和软骨下骨的相互交流(cross-talk)
    1.4 MRI显示软骨和软骨下骨的优势
    1.5 大数据结合AI研究的优势
    1.6 研究目的
第二章 材料与方法
    2.1 研究设计
    2.2 神经网络模型
    2.3 数据集
        2.3.1 数据采集及纳入标准
        2.3.2 数据排除标准
    2.4 扫描方法
        2.4.1 X线检查
        2.4.2 MRI检查
    2.5 数据标注
    2.6 软骨厚度测量方法
    2.7 放射科医师评估
    2.8 软骨自动分割与软骨损伤自动分类系统
    2.9 数据的训练与评估
        2.9.1 分割系统
        2.9.2 分类标注
    2.10 数据分析
    2.11 大数据存储和访问控制
    2.12 大数据质量控制
    2.13 技术关键
        2.13.1 磁共振数据处理和分割
        2.13.2 基于软骨(软骨下骨)形态的相似样本搜索
    2.14 大数据人工智能分析与软件设计
    2.15 正常人软骨曲线的基本实现流程
第三章 结果
    3.1 膝关节软骨磁共振半定量评分的自动分割与分类的准确性评价
        3.1.1 自动分割结果
        3.1.2 分类结果
    3.2 膝关节影像大数据人工智能诊断软件
    3.3 股骨软骨厚度实验结果及股骨软骨曲线
第四章 结论
    4.1 结论一
    4.2 结论二
第五章 讨论
    5.1 研究基础
    5.2 研究意义
    5.3 研究优势
    5.4 局限性与展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文


【参考文献】：
期刊论文
[1]膝关节软骨和软骨下骨在早期骨关节炎定量研究成像的MRI和CT新技术研究进展[J]. 司莉萍,姚伟武.  诊断学理论与实践. 2018(04)
[2]同步辐射显微CT的人关节软骨三维成像研究[J]. 刘成磊,郗艳,左后东,杨春明,姚伟武.  CT理论与应用研究. 2015(06)
[3]兔膝关节软骨退变的磁共振T2、T2*图成像定量测定[J]. 赵海南,姚伟武,姜铃霞,瞿楠,陆志华.  中国医学计算机成像杂志. 2013(04)
[4]关节软骨病理损害的早期评价方法:MRI和关节镜图像对照[J]. 陈群,冯阳.  中国临床康复. 2005(30)



本文编号：3715142