基于机器学习的缺失模态影像分类研究

发布时间：2022-02-12 15:43

　　核磁共振技术（MRI,Magnetic Resonance Imaging）可以提供体内组织的高清晰度图像,在医学成像领域中占据着越来越重要的地位。脑部胶质瘤作为一种癌症,是一种恶性肿瘤。在进行胶质瘤分类时,由于不同模态的MRI影像能够反映出肿瘤的不同局部信息,因此医生在诊断时,需要综合多种模态的脑部MRI影像,从而得到最终的分类结果。通过已经由医生标注好的数据,目前已有多种自行分类的方法。遗憾的是,在实际临床数据采集过程中,会遇到很多问题,其中数据丢失成为使用多模态影像进行病理分析的关键阻碍,例如病人在拍片过程中出现头动现象,导致影像出现伪影,该类数据在筛查时会被丢弃,或者病人不愿意配合某项检查,导致该部分的多模态数据缺失。当使用多模态数据训练分类模型时,需要将不完整的病人数据丢弃,造成数据的极大浪费,并减少分析中的样本数量。因此,如何更好地利用观察数据补全缺失数据,从而实现更好的脑瘤分类成为一个非常具有实际意义的问题。目前,针对医学图像的缺失模态问题,主要利用机器学习的方法进行特征数据的补全,本论文以机器学习的方法为基础,针对多模态胶质瘤图像提取到的不完整特征数据,首先提出了一种基... 

【文章来源】：山东大学山东省211工程院校985工程院校教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２－１具有元素：Ｖ￣的三阶张量少ｅ?Ｒ３＾５?［ＮＭＦ］??

?山东大学硕士学位论文???￣｝?ＴＵ＂－３）??＿＿＿??图２－２三阶张量三种不同模式的纤维示意图??切片简单来说就是在张量中抽出矩阵的操作。这种操作在张量分解运算中经??常用到。在张量中固定一个维度，进行其他两个维度的变化，便可以得到一个矩??阵，这个矩阵就是张量的切片（见图２－３）。??Ｈｏｒｉｚｏｎｔａｌ?Ｓｌｉｃｅｓ?Ｌａｔｅｒａｌ?Ｓｌｉｃｅｓ?Ｆｒｏｎｔａｌ?Ｓｌｉｃｅｓ??藝＿?＾??图２－３三阶张量三种模式下的切片示意图??张量的矩阵展开（Ｕｎｆｏｌｄｉｎｇ－Ｍａｔｒｉｃｉｚａｔｉｏｎ）是将一个张量的元素按照某种规??则重新排列，从而得到一个矩阵的操作，张量少？在第ｎ维度上展开的??１１??

?山东大学硕士学位论文???￣｝?ＴＵ＂－３）??＿＿＿??图２－２三阶张量三种不同模式的纤维示意图??切片简单来说就是在张量中抽出矩阵的操作。这种操作在张量分解运算中经??常用到。在张量中固定一个维度，进行其他两个维度的变化，便可以得到一个矩??阵，这个矩阵就是张量的切片（见图２－３）。??Ｈｏｒｉｚｏｎｔａｌ?Ｓｌｉｃｅｓ?Ｌａｔｅｒａｌ?Ｓｌｉｃｅｓ?Ｆｒｏｎｔａｌ?Ｓｌｉｃｅｓ??藝＿?＾??图２－３三阶张量三种模式下的切片示意图??张量的矩阵展开（Ｕｎｆｏｌｄｉｎｇ－Ｍａｔｒｉｃｉｚａｔｉｏｎ）是将一个张量的元素按照某种规??则重新排列，从而得到一个矩阵的操作，张量少？在第ｎ维度上展开的??１１??

【参考文献】：
博士论文
[1]基于磁共振图像分析的神经胶质瘤分子标记物检测研究[D]. 刘晨彬.浙江大学 2013



本文编号：3621992