导读:本文包含了脑部磁共振论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:磁共振,脑部,图像,卷积,局部,丘脑,神经网络。
脑部磁共振论文文献综述
郭彤宇,王博,刘悦,魏颖[1]（2019）在《多通道融合可分离卷积神经网络下的脑部磁共振图像分割》一文中研究指出目的卷积神经网络方法可以提取到图像的深层次信息特征,在脑部磁共振图像(MRI)分割领域展现出优秀的性能。但大部分深度学习方法都存在参数量大,边缘分割不准确的问题。为克服上述问题,本文提出一种多通道融合可分离卷积神经网络(MFSCNN)模型分割脑图像。方法首先,在训练集中增加待分割脑结构及其边缘像素点的权重,强制使网络学习如何分割脑结构边缘部分,从而提升整体脑结构分割的准确率。其次,引入残差单元,以避免梯度弥散,同时使用深度可分离卷积代替原始的卷积层,在不改变网络每个阶段特征通道数的情况下,减少了网络训练的参数数量和训练时间,降低了训练成本。最后,将不同阶段的特征信息合并在一起,进行通道混洗,得到同时包含深浅层次信息的增强信息特征,加入到网络中进行训练,每个阶段的输入特征信息更丰富,学习特征的速度和收敛速度更快,显着地提升了网络的分割性能。结果在IBSR(internet brain segmentation repositor)数据集上的分割结果表明,MFSCNN的分割性能相对于普通卷积神经网络(CNN)方法要明显提高,且在边缘复杂的部分,分割效果更理想,Dice和IOU(intersection over union)值分别提升了0. 9%6. 6%,1. 3%9. 7%。在边缘平滑的部分,MFSCNN方法比引入残差块的神经网络模型(Res CNN)和引入局部全连接模块的神经网络模型(Dense CNN)分割效果要好,而且MFSCNN的参数量仅为Res CNN的50%,Dense CNN的28%,在提升分割性能的同时,也降低了运算复杂度,缩短了训练时间。同时,在IBSR、Hammer67n20、LPBA40这3个数据集上,MFSCNN的分割性能比现有的其他主流方法更出色。结论本文提出的MFSCNN方法,加强了网络特征的信息量,提升了网络模型的训练速度,在不同数据集上均获得更精确的MR脑部图像分割结果。(本文来源于《中国图象图形学报》期刊2019年11期）
孙京文,闫士举,韩勇森,宋成利[2]（2019）在《基于脑部磁共振图像叁维局部模式变换特征提取进行阿尔茨海默病病程预测分类》一文中研究指出本文提出一种叁维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体(CN)、轻度认知障碍(MCI)患者和阿尔茨海默病(AD)患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的叁维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征(ROC)曲线下面积(AUC)为0.886 5;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.854 3.这证明基于海马体磁共振图像,利用本文提出的改进叁维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.(本文来源于《波谱学杂志》期刊2019年03期）
胡道锋[3]（2019）在《磁共振弥散加权成像在脑部疾病诊断中的应用价值》一文中研究指出目的:对在脑部疾病诊断中应用的磁共振弥散加权成像(DWI)的临床价值进行探究。方法:选取我院80例患有不同脑部疾病的患者作为研究对象,对他们进行磁共振弥散加权成像的扫描诊断,观察和分析扫描图像的结果,并对扫描结果予以分析比较。结果:对比显示,DWI和FLAIR序列图像对脑梗死的阳性检出率较高,且DWI序列尤其适用于超急性期脑梗死的诊断;DWI序列图像用于胶质瘤水肿的扫描诊断,均不如其他3种序列图像。同时,除了CT扫描,DWI序列检查可作为脑出血的一种补充诊断方式。结论:磁共振弥散加权成像在大部分脑部疾病的诊断和鉴别诊断方面起着重要的作用,具有一定的临床价值。(本文来源于《影像研究与医学应用》期刊2019年17期）
张玉柱,王传兵[4]（2019）在《基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究》一文中研究指出目的:提出一种基于先验知识引导的模糊C均值算法(PIGFCM),并将其应用于脑部磁共振(MR)图像分割。方法:采用基于高斯分布的图像先验知识获取初始聚类中心;采用改进PIGFCM聚类算法进行图像分割,得到MR脑部分割图像;采用Dice相似性系数、均方根误差(RMSE)和平均耗时评价不同算法的分割效果。结果:对于人工合成的脑部MR图像分割算法所得的Dice相似性系数可达0.87～0.98,平均耗时降低了0.17～0.81倍。对于临床实例MR图像分割算法所得脑白质和灰质的Dice相似性系数较其他算法分别提升12.8%～16.6%和1.1%～40.4%,RMSE下降了0.63～0.94倍,平均耗时降低了0.08～0.75倍。结论:提出PIGFCM算法收敛速度快,较其他常见模糊算法获得更高的分割精度、更强的抗噪性和更快的分割速度,是一种可行的脑部MR图像分割算法。(本文来源于《中国医学装备》期刊2019年07期）
樊文萍,王雪,王波涛,张晓欢,刘梦琦[5]（2019）在《磁共振场强对脑部T1WI结构图像纹理特征的影响》一文中研究指出目的比较不同磁共振场强对脑部T1WI纹理特征的影响。资料与方法对30例健康成年人分别在磁共振1.5T(MR-1.5T)及3.0T(MR-3.0T)上行脑部3DT1WI结构像扫描。对3D结构像进行脑部灰质及白质分割,并采用灰度共生矩阵方法进行全脑纹理分析,纹理特征参数包括角二阶矩、对比度、自相关、逆差距及熵。结果 MR-3.0T全脑灰质熵高于MR-1.5T(2.170±0.059比2.163±0.054,F=4.465,P=0.039)。MR-3.0T全脑白质角二阶矩(0.734±0.008比0.736±0.007,F=11.368,P=0.001)及熵(1.392±0.051比1.397±0.042,F=10.612,P=0.002)低于MR-1.5T,MR-3.0T全脑白质逆差距高于MR-1.5T(0.875±0.005比0.873±0.004,F=10.776,P=0.002)。结论磁共振场强可影响脑部灰质及白质T1WI结构图像纹理特征。(本文来源于《中国医学影像学杂志》期刊2019年04期）
张璐坚[6]（2019）在《基于磁共振指纹成像技术的脑部成像》一文中研究指出为了解决传统磁共振成像技术一次扫描只能得到一种加权像,且成像时间过长,扫描过程产生噪声等问题,提出了"磁共振指纹"成像方法。人脑有多种组织组成,每种组织的磁共振扫描都有自己不同特征信号该信号被称为"指纹"。"磁共振指纹"成像方法一次扫描不仅可同时得到T1图, T2图及质子密度图像;而且大大缩短了扫描时间。该新技术在成像算法上也与传统磁共振算法完全不同。基于字典的匹配方法,首先建立指纹"字典";之后将每个体素的检测信号与"字典"中的所有信号进行逐条匹配;然后确定是该信号的参数组合;最终得到多种参数的参数图像。本实验采用大脑数据进行模拟采集和匹配过程。结果表明,该方法可以得到各种组织参数图像,且确实会大大降低磁共振扫描所需的时间。(本文来源于《科技视界》期刊2019年08期）
陈书海[7]（2019）在《脑部磁共振图像自动分割方法的研究与应用》一文中研究指出图像分割是图像分析和处理过程中最关键的一步,分割的结果直接影响图像分析的后续过程,如对象的表示和描述、特征测量以及图像分类等更高级别的任务。因此,图像分割对于医学图像中感兴趣区域的描述、表征和可视化来说都是最基本和最关键的过程。近年来,医学成像技术得到了迅速发展,医学图像在临床诊断和治疗过程中发挥的作用也越来越重要。医学图像分割作为医学图像应用的基础,在病理分析、临床诊断、手术引导、放射治疗等研究和实践领域有着广泛的应用和研究价值。放射科医生对医学图像的手工分割不仅是一个烦琐而耗时的过程,而且分割结果受主观因素影响很难达到理想的要求。尤其在医学成像方式的不断增多和需要检查的医学图像数量难以控制的情况下,手工分割就变得更加困难。因此,研究高效、准确的医学图像自动分割方法就变得尤为重要。在过去的几十年里,各种精度和复杂程度的分割技术得到了很大程度的发展和应用。近些年来又有大量的医学图像分割方法被提出,许多新概念和新思想也被应用于医学图像分割。由于医学影像设备和技术的迅速发展,医学图像种类也越来越多,常规影像包括计算机断层(CT)成像、磁共振(MR)成像、超声(US)成像、数字化X线摄影技术等,如多排探测器CT在短短的十年之中已从最初4排探测器发展至目前的320排、512排和双源CT及能谱CT。MR成像也可以由不同的脉冲序列和弛豫时间产生多种模态的医学图像。因此,研究一种适合所有医学图像和所有解剖学部位通用的医学图像分割方法根本是不可能实现的。目前的医学图像分割技术已经发展成为面向特定目标、特定图像模态、特定解剖组织的具有针对性的独特应用科学体系。本文主要是根据MR图像的成像特点,分别针对脑组织特性和脑肿瘤特性提出了两种自动分割方法。本文主要的研究内容和贡献如下:(1)针对MR图像受成像机制影响不可避免地会引入噪声,传统医学图像分割算法对噪声敏感的问题,提出一种模糊隶属度加权的KFCM脑组织分割方法。MR图像受部分容积效应的影响,图像中某一像素值取决于相邻的组织或器官。模糊聚类将传统的“硬”划分转化为“软”划分,允许某一像素同时以不同的隶属度隶属于多个组织和器官,因此,相比较于其他方法模糊聚类算法更适合MR图像分割。本文提出的模糊隶属度加权的KFCM脑组织分割方法就是以模糊聚类算法为基础,并在传统KFCM算法基础上引入局部空间信息,定义了局部隶属度函数,并结合传统IKFCM算法得到的全局隶属度函数构造加权隶属度函数,为每个像素计算隶属度值;进一步,结合邻域信息,使用迭代聚合方法为每个像素重新分配隶属度值。选取Simulated Brain Database数据集,对加入不同噪声的图像进行实验的结果表明,该方法在保证对噪声鲁棒的同时,能够提高分割精度。(2)由于脑肿瘤在空间和结构上存在着巨大的差异性且肿瘤图像通常存在边界模糊的问题,准确地分割和定量地分析脑肿瘤仍然是一项具有挑战性的任务。为了开发一种全自动、准确的脑肿瘤分割方法,提出了一种使用多模态MR图像的脑肿瘤自动分割方法。该方法有效地应用了多模态的MR图像数据,充分考虑了不同模态图像对肿瘤和病变区域的显像特点。该方法主要有叁个步骤,首先利用聚类算法和形态学操作对自由水抑制像(FLAIR)中的异常组织水肿进行检测和预分割,并使用预分割结果初始化水平集函数。然后使用基于边缘的水平集方法即距离正则水平集演化(DRLSE)的方法来分割FLAIR中的病变区域,针对DRLSE方法对目标边缘模糊时不能很好的停止演化的问题,通过结合区域信息引入Dif参数来控制演化停止。最后使用FLAIR中病变区域的分割结果来提取T1对比度增强(T1c)像中的病变区域,之后再使用聚类算法、填充算法以及二值图像的形态学运算来获取脑肿瘤分割区域。通过实验验证,该方法在对肿瘤分割时能够达到很好的分割效果。(本文来源于《安徽大学》期刊2019-03-01）
王昆,樊文萍,王雪,王波涛,许欢[8]（2019）在《磁共振T1WI健康成人脑部皮层下灰质核团纹理特征的可重复性及可信度分析》一文中研究指出目的探讨正常成人脑部皮层下灰质核团的磁共振T1WI纹理特征测量的可重复性及可信度。资料与方法对16名成年健康志愿者行脑部磁共振T1WI扫描,并采用灰度共生矩阵法对脑部皮层下灰质核团(尾状核、壳核、丘脑)行纹理特征分析,纹理特征参数值包括能量、对比度、自相关、逆差矩、熵。采用组内相关系数(ICC)及Bland-Altman法分析观察者内的可重复性及观察者间的可信度。结果观察者内皮层下灰质结构尾状核头、壳核及丘脑的纹理特征参数值ICC分别为0.970～0.990、0.815～0.996及0.677～0.996,其中丘脑自相关参数ICC为0.677,可重复性等级为良,其余皮层下核团纹理参数ICC均高于0.74,可重复性等级为优。观察者间皮层下灰质结构尾状核头、壳核及丘脑的纹理特征参数值ICC分别为0.960～0.982、0.833～0.994及0.829～0.989,均高于0.74,可信度等级为优。Bland-Altman法分析提示观察者内及观察者间皮层下灰质核团纹理参数差值绝大部分位于95%一致性界限内。结论 T1WI图像可以可靠地评估正常成人脑部皮层下灰质核团纹理特征(能量、对比度、自相关、逆差矩、熵)。(本文来源于《中国医学影像学杂志》期刊2019年02期）
卞光军,徐建,段新秀,陈磊[9]（2018）在《磁共振成像技术在胎儿脑部检查中的临床应用及价值分析》一文中研究指出目的:探讨在胎儿脑部检查中应用磁共振成像技术的价值。方法:在2016年12月到2017年12月期间选取来我院就诊的孕妇50例,依据随机数字表法将其均分2组,各25例。对参照组行超声诊断,对实验组行磁共振成像技术诊断。分析50例胎儿脑部检查结果。结果:本组研究所选取的孕妇均为单胎孕妇,经检验得出,参照组胎儿脑部疾病的检出率为28.00%(7/25),实验组胎儿脑部疾病的检出率为80.00%(20/25),组间数据经对比,存在显着差异性(P<0.05)。结论:在胎儿脑部检查中应用磁共振成像技术,可对胎儿自身发育情况予以详细了解,并具有较高的脑部疾病检出率,将漏诊和误诊情况予以有效的避免。(本文来源于《名医》期刊2018年12期）
叶俏,钱晶晶,严婷婷,沈洁,史向辉[10]（2018）在《神经精神性狼疮患者脑部静息态功能磁共振局部一致性的分析》一文中研究指出目的结合实验室指标、蒙特利尔认知评估量表(MoCA)及系统性红斑狼疮疾病活动度指数(SLEDAI)探讨脑部静息态功能磁共振(Rs-f MRI)的局部一致性(ReHo)在评估神经精神性狼疮(NPSLE)中的价值。方法 18例NPSLE为研究组,21例SLE为对照组,两组患者均测定外周血补体3、补体4、抗β2糖蛋白1抗体、抗N-甲基-D天门冬氨酸受体2(NR2)抗体,评定MoCA及SLEDAI,行Rs-f MRI检查,以ReHo方法分析脑功能变化。结果研究组患者病程长于对照组,抗NR2抗体阳性率及SLEDAI均高于对照组,差异均有统计学意义(均P<0.05)。与对照组相比,研究组右侧颞上回(BA38)及右侧枕叶舌回(BA17)ReHo增强,而右侧前额叶(BA10、BA12)、右侧小脑半球及左侧颞下回(BA20)ReHo减弱。结论长病程的SLE发生NPSLE的风险升高,高SLEDAI评分与NPSLE发生率相关,抗NR2抗体参与NPSLE发病,前额叶、颞上回、颞下回及枕叶舌回脑功能异常与NPSLE发病机制有关,Rs-f MRI的ReHo在NPSLE早期诊断及病情变化观察中有一定的价值。(本文来源于《浙江医学》期刊2018年22期）
脑部磁共振论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文提出一种叁维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体(CN)、轻度认知障碍(MCI)患者和阿尔茨海默病(AD)患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的叁维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征(ROC)曲线下面积(AUC)为0.886 5;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.854 3.这证明基于海马体磁共振图像,利用本文提出的改进叁维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
脑部磁共振论文参考文献
[1].郭彤宇,王博,刘悦,魏颖.多通道融合可分离卷积神经网络下的脑部磁共振图像分割[J].中国图象图形学报.2019
[2].孙京文,闫士举,韩勇森,宋成利.基于脑部磁共振图像叁维局部模式变换特征提取进行阿尔茨海默病病程预测分类[J].波谱学杂志.2019
[3].胡道锋.磁共振弥散加权成像在脑部疾病诊断中的应用价值[J].影像研究与医学应用.2019
[4].张玉柱,王传兵.基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究[J].中国医学装备.2019
[5].樊文萍,王雪,王波涛,张晓欢,刘梦琦.磁共振场强对脑部T1WI结构图像纹理特征的影响[J].中国医学影像学杂志.2019
[6].张璐坚.基于磁共振指纹成像技术的脑部成像[J].科技视界.2019
[7].陈书海.脑部磁共振图像自动分割方法的研究与应用[D].安徽大学.2019
[8].王昆,樊文萍,王雪,王波涛,许欢.磁共振T1WI健康成人脑部皮层下灰质核团纹理特征的可重复性及可信度分析[J].中国医学影像学杂志.2019
[9].卞光军,徐建,段新秀,陈磊.磁共振成像技术在胎儿脑部检查中的临床应用及价值分析[J].名医.2018
[10].叶俏,钱晶晶,严婷婷,沈洁,史向辉.神经精神性狼疮患者脑部静息态功能磁共振局部一致性的分析[J].浙江医学.2018
论文知识图
