小鼠大脑神经血管单元高精度图像的重建与分析
发布时间：2023-04-16 18:50
近年来脑科学的发展十分迅速,而对神经血管单元的研究是阿尔兹海默症和脑卒中等脑疾病研究的基础。为了对神经血管单元进行深度了解,高精度成像技术十分有必要,而近期出现的CLARITY技术展现了其在探究大脑高精度空间结构上的优越表现。需要指出的是,CLARITY相关研究仍处于起步阶段,尤其是在后期图像处理上,迫切需要一个智能平台以对神经血管单元高精度图像进行处理。本研究针对神经血管单元的高精度CLARITY图像进行了一系列处理方法的开发,并集成为一个平台。具体来讲,对经CLARITY技术处理过的大鼠大脑进行成像,基于Matlab实现针对大鼠大脑神经血管单元的智能处理、量化和统计分析,最后利用Amira软件对结果进行三维可视呈现。对图像数据的处理包括剪切、直方图匹配、亮度调整、滤波、二值化、形态学操作、实际比例映射等,以及基于深度学习的图像自动分割。本研究开发的图像处理平台通过实验,验证了其准确性和实用性。通过对实验组和对照组样本图像的分析比较,本研究发现小胶质细胞空间密度随深度的变化较为有限,而在双侧劲总动脉结扎手术组中则有背离髓鞘的扩散趋势等。综上所述,本研究开发的平台能有效针对基于CLAR...
【文章页数】：94 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 概述
1.1 神经血管单元简介
1.2 CLARITY处理技术
1.3 医学图像处理技术
1.4 医学成像设备与软件平台
1.5 论文创新性
1.6 章节安排
第二章 传统图像处理算法的尝试和改进
2.1 图像预处理
2.1.1 输入图片并剪切无用像素
2.1.2 深度方向上的直方图匹配算法
2.1.3 平面方向上的亮度调整
2.1.4 中值滤波
2.1.5 大津二值化算法
2.1.6 形态学操作
2.1.7 实际比例映射
2.2 球型质心的计算
2.2.1 洪水填充算法
2.2.2 删除小体积区域
2.2.3 质心计算
2.3 长管状物体的中心线
2.3.1 骨架化
2.3.2 图增强变形模型
2.3.3 长管状物体直径的计算
2.4 柱形物体的处理
2.4.1 配套图片相减去噪
2.4.2 边缘检测与Canny算法
2.4.3 三维Canny算法提取柱形边缘
2.5 二维平面的分割计算
2.5.1 随机行走分割算法
2.5.2 支持向量机
2.6 界面设计
第三章 基于U-NET的分割算法
3.1 深度学习
3.1.1 监督学习和无监督学习
3.1.2 梯度下降法
3.1.3 损失函数
3.1.4 反向传播算法
3.2 正则化
3.2.1 L2 正则化
3.2.2 L1 正则化
3.2.3 数据集增强
3.3 卷积神经网络
3.3.1 卷积层
3.3.2 池化层
3.3.3 激活函数
3.4 Tensorflow与 Keras
3.5 语义分割和全卷积神经网络
3.5.1 Normalized Cut
3.5.2 Grab Cut
3.5.3 全卷积神经网络
3.5.4 全连接条件随机场
3.5.5 空洞卷积
3.6 U-Net网络简介
3.7 结果展示
第四章 数据处理和分析
4.1 动物实验和数据获取
4.1.1 双侧颈动脉闭塞
4.1.2 缺氧状态模拟和CLARITY
4.1.3 成像设备
4.1.4 数据格式
4.2 使用平台处理神经血管单元
4.3 定性分析
4.3.1 神经血管和小胶质细胞的展示
4.3.2 小胶质细胞和髓鞘量化后的展示
4.3.3 血管360 度旋转的展示
4.4 定量分析
4.4.1 手工标记与ITK snap
4.4.2 神经血管单元各组成部分的定量分析
4.4.3 定量公式与统计标准
4.5 算法准确度的计量
4.6 分析结论
4.6.1 两组结果显示小胶质细胞在深度方向上空间密度几乎不变
4.6.2 小胶质细胞在双侧颈总动脉结扎手术组中有远离现象
4.6.3 神经血管密度的变化
4.6.4 小胶质细胞质心到神经血管中心线的直方图
4.6.5 小胶质细胞的组别密度变化
第五章 展望
5.1 主要工作
5.2 后续研究
5.3 整体展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文
本文编号：3791663
【文章页数】：94 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 概述
1.1 神经血管单元简介
1.2 CLARITY处理技术
1.3 医学图像处理技术
1.4 医学成像设备与软件平台
1.5 论文创新性
1.6 章节安排
第二章 传统图像处理算法的尝试和改进
2.1 图像预处理
2.1.1 输入图片并剪切无用像素
2.1.2 深度方向上的直方图匹配算法
2.1.3 平面方向上的亮度调整
2.1.4 中值滤波
2.1.5 大津二值化算法
2.1.6 形态学操作
2.1.7 实际比例映射
2.2 球型质心的计算
2.2.1 洪水填充算法
2.2.2 删除小体积区域
2.2.3 质心计算
2.3 长管状物体的中心线
2.3.1 骨架化
2.3.2 图增强变形模型
2.3.3 长管状物体直径的计算
2.4 柱形物体的处理
2.4.1 配套图片相减去噪
2.4.2 边缘检测与Canny算法
2.4.3 三维Canny算法提取柱形边缘
2.5 二维平面的分割计算
2.5.1 随机行走分割算法
2.5.2 支持向量机
2.6 界面设计
第三章 基于U-NET的分割算法
3.1 深度学习
3.1.1 监督学习和无监督学习
3.1.2 梯度下降法
3.1.3 损失函数
3.1.4 反向传播算法
3.2 正则化
3.2.1 L2 正则化
3.2.2 L1 正则化
3.2.3 数据集增强
3.3 卷积神经网络
3.3.1 卷积层
3.3.2 池化层
3.3.3 激活函数
3.4 Tensorflow与 Keras
3.5 语义分割和全卷积神经网络
3.5.1 Normalized Cut
3.5.2 Grab Cut
3.5.3 全卷积神经网络
3.5.4 全连接条件随机场
3.5.5 空洞卷积
3.6 U-Net网络简介
3.7 结果展示
第四章 数据处理和分析
4.1 动物实验和数据获取
4.1.1 双侧颈动脉闭塞
4.1.2 缺氧状态模拟和CLARITY
4.1.3 成像设备
4.1.4 数据格式
4.2 使用平台处理神经血管单元
4.3 定性分析
4.3.1 神经血管和小胶质细胞的展示
4.3.2 小胶质细胞和髓鞘量化后的展示
4.3.3 血管360 度旋转的展示
4.4 定量分析
4.4.1 手工标记与ITK snap
4.4.2 神经血管单元各组成部分的定量分析
4.4.3 定量公式与统计标准
4.5 算法准确度的计量
4.6 分析结论
4.6.1 两组结果显示小胶质细胞在深度方向上空间密度几乎不变
4.6.2 小胶质细胞在双侧颈总动脉结扎手术组中有远离现象
4.6.3 神经血管密度的变化
4.6.4 小胶质细胞质心到神经血管中心线的直方图
4.6.5 小胶质细胞的组别密度变化
第五章 展望
5.1 主要工作
5.2 后续研究
5.3 整体展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文
本文编号：3791663
本文链接：https://www.wllwen.com/yixuelunwen/yundongyixue/3791663.html
最近更新
教材专著
