腦膠質(zhì)瘤是世界范圍內(nèi)青少年致死率第二高的惡性腫瘤,腦膠質(zhì)瘤的準(zhǔn)確定級(jí)對(duì)于優(yōu)化治療方案至關(guān)重要。對(duì)腫瘤組織通過(guò)穿刺活檢進(jìn)行組織病理學(xué)分析是當(dāng)前腦膠質(zhì)瘤定級(jí)的主要方法。然而腦部穿刺伴有較高的手術(shù)風(fēng)險(xiǎn),容易出現(xiàn)采樣失誤并偶有并發(fā)癥。當(dāng)前,基于磁共振成像（MR）的腦部篩查為腦質(zhì)瘤的診斷和定級(jí)提供了一種有效的非侵入性檢查手段。近年來(lái)出現(xiàn)的“影像組學(xué)”（Radiomics）策略對(duì)MR影像數(shù)據(jù)進(jìn)行深度挖掘,從海量的醫(yī)學(xué)影像數(shù)據(jù)中提取高通量特征,通過(guò)量化分析來(lái)提高腦膠質(zhì)瘤的診斷效率和準(zhǔn)確率。本文采用影像組學(xué)方法對(duì)基于MR影像的腦膠質(zhì)瘤高低級(jí)別分類進(jìn)行深入研究,通過(guò)交互式的分割方法從MR影像中提取了高通量的特征,并采用特征降維方法篩選了多種重要圖像特征,通過(guò)機(jī)器學(xué)習(xí)方法構(gòu)建高低級(jí)別分類模型,為膠質(zhì)瘤的個(gè)性化治療提供決策支持。本文的主要研究?jī)?nèi)容包含以下三部分:（1）研究腦膠質(zhì)瘤MR圖像的感興趣區(qū)域（即病灶部分）分割。針對(duì)MR影像中因灰度分布較為均勻?qū)е履[瘤區(qū)域存在邊界模糊的問(wèn)題,提出一種基于局部結(jié)構(gòu)張量與經(jīng)典GrowCut相結(jié)合的交互式分割算法。該方法通過(guò)對(duì)圖像局部結(jié)構(gòu)張量和鄰域灰度相似度的分析,改變了經(jīng)... 

【文章來(lái)源】：武漢理工大學(xué)湖北省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高低級(jí)別腦膠質(zhì)瘤MR圖像

14區(qū)域邊緣十分粗糙，毛刺較多，并且出現(xiàn)較多被錯(cuò)分割的像素格。（2）當(dāng)病灶區(qū)域尺寸較大時(shí)，就需要更多的標(biāo)記點(diǎn)。圖2-1經(jīng)典GrowCut算法分割效果圖2.3基于局部結(jié)構(gòu)張量的GrowCut算法2.3.1圖像的結(jié)構(gòu)張量描述局部結(jié)構(gòu)（localstructure）是圖像每個(gè)像素點(diǎn)的判別空間信息量的度量，在圖像匹配和去噪等方面有廣泛的利用。局部結(jié)構(gòu)的標(biāo)量測(cè)量[47]可以通過(guò)式（2-7）獲�。�()()()detLSTxstructurextraceLSTx=（2-7）其中LST(x)是局部結(jié)構(gòu)張量（localstructuretensor，LST），局部結(jié)構(gòu)張量是梯度結(jié)構(gòu)張量（gradientstructuretensor，GST）經(jīng)過(guò)高斯濾波后得到的圖像信息[48]，表示了圖像中一個(gè)像素點(diǎn)的指定鄰域內(nèi)梯度變化的主要方向，結(jié)構(gòu)張量整合了來(lái)自鄰域的結(jié)構(gòu)信息，掌握二維圖像中該像素點(diǎn)鄰域的局部結(jié)構(gòu)信息，計(jì)算方式定義為：()()22=xxyTTuvxyyGIGIICxGGSTxuuGIIGIσσσσσσλλνν==+（2-8）()()()22TxxyxyyIIIGSTxIxIxIII==（2-9）其中Gσ是標(biāo)準(zhǔn)差為σ的高斯函數(shù)，σ的大小反映了LST的尺度大校(),TxyIx=II為圖像I的梯度向量。u和v分別表示對(duì)局部結(jié)構(gòu)張量進(jìn)行SVD分解后的相互垂直的特征方向，uλ和vλ表示與特征方向?qū)?yīng)的特征值，這兩個(gè)特

18圖2-2TP、FP、FN、TN、mΩ和aΩ的對(duì)應(yīng)區(qū)域（1）分割精度（Accuracy），度量算法的分割準(zhǔn)確度量，根據(jù)真實(shí)區(qū)域計(jì)算算法分割結(jié)果比例，計(jì)算方式如式（2-15）所示：TPTNAccTPFPFNTN+=+++（2-15）（2）DICE系數(shù)，也稱為重疊指數(shù)，度量?jī)蓚�(gè)分割結(jié)果的重疊度，即手工勾畫(huà)與算法分割兩個(gè)區(qū)域相交的面積占總面積的比例，值域?yàn)閇0,1]，還可以測(cè)量算法的可重復(fù)性。計(jì)算方式如式（2-16）所示：2()22mamaTPDICETPFPFNΩΩ==Ω+Ω++（2-16）（3）真正率，又稱為靈敏度和recall指數(shù)，測(cè)量了將真實(shí)感興趣區(qū)域正確判斷為感興趣區(qū)域的比例，衡量的是算法能正確識(shí)別ROI的能力。計(jì)算方式如式（2-17）所示：=TPTPRSensitivityrecallTPFN==+（2-17）（4）真負(fù)率，又稱為特異性，測(cè)量了將真實(shí)非感興趣區(qū)域識(shí)別分割為非感興趣區(qū)域的比例，計(jì)算方式如式（2-18）所示：TNTNRspecificityFPTN==+（2-18）接下來(lái)采用肉眼觀察的方法對(duì)腦膠質(zhì)瘤的MR多模態(tài)圖像數(shù)據(jù)的分割結(jié)果進(jìn)行主觀的定性評(píng)價(jià)，然后采用以上指標(biāo)分別進(jìn)行定量的客觀分析比較。2.4.3分割效果對(duì)比分析在實(shí)驗(yàn)過(guò)程中，操作者在原始圖像上標(biāo)記前景點(diǎn)和背景點(diǎn)，實(shí)現(xiàn)過(guò)程如圖2-3所示，具體實(shí)現(xiàn)代碼見(jiàn)附錄A。

【參考文獻(xiàn)】：
期刊論文
[1]CT和MRI診斷腦神經(jīng)膠質(zhì)瘤52例分析[J]. 趙琳,張軍,張新宇,付學(xué)鋒.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2015(04)
[2]2011年中國(guó)腦和神經(jīng)系統(tǒng)腫瘤發(fā)病和死亡分析[J]. 叢明華,宋晨鑫,鄭榮壽,曾紅梅,張思維,陳萬(wàn)青.  中國(guó)腫瘤. 2015(05)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D]. 嚴(yán)寒.西北大學(xué) 2018
[2]基于機(jī)器學(xué)習(xí)方法的腦膠質(zhì)瘤影像分級(jí)研究[D]. 魯宗豪.鄭州大學(xué) 2017
[3]頭頸癌PET/MRI紋理分析與靶區(qū)勾畫(huà)[D]. 胡澤田.湖南大學(xué) 2015
[4]CT圖像中肝臟分割方法研究[D]. 張茜.北京理工大學(xué) 2015
[5]ASL與DTI磁共振成像的腦神經(jīng)膠質(zhì)瘤分級(jí)研究[D]. 劉燦.中南大學(xué) 2012



本文編號(hào)：3612905