基于纖維束聚類(lèi)的大腦解剖連接分析應(yīng)用
發(fā)布時(shí)間:2022-12-22 07:24
現(xiàn)有對(duì)大腦白質(zhì)的解剖研究主要基于傳統(tǒng)的基于體素的方法(Voxel Based Analysis,VBA),通過(guò)選取感興趣區(qū)域(Regions Of Interests,ROIs),計(jì)算區(qū)域?qū)傩跃狄酝瓿刹煌瑯颖鹃g的解剖指標(biāo)對(duì)比。這類(lèi)方法存在著兩個(gè)局限,一是樣本配準(zhǔn)帶來(lái)的精度缺陷,另一方面是傳統(tǒng)分析思想計(jì)算指標(biāo)均值會(huì)導(dǎo)致“纖維特性均化”,隱藏全局?jǐn)U散信息。為了克服傳統(tǒng)研究的缺陷,分析完整纖維束的白質(zhì)屬性,同時(shí)優(yōu)化纖維跟蹤數(shù)據(jù)增加的時(shí)間尺度問(wèn)題。本文選擇基于纖維的分析(Fiber Based Analysis,FBA),通過(guò)區(qū)域聚類(lèi)與圖譜聚類(lèi)兩種聚類(lèi)手段去自動(dòng)歸類(lèi)白質(zhì),并計(jì)算不同群體沿纖維束的擴(kuò)散特性以及分析解剖學(xué)屬性的變化差異。本文的具體工作和成果如下:1.針對(duì)傳統(tǒng)方法以體素指標(biāo)均值代替實(shí)驗(yàn)數(shù)據(jù)的缺陷,本文借助自動(dòng)纖維量化聚類(lèi)方法對(duì)人腦幾條主纖維進(jìn)行識(shí)別,沿纖維等距采樣,計(jì)算指標(biāo)以標(biāo)記局部差異。在實(shí)驗(yàn)結(jié)果中,部分纖維束上出現(xiàn)了連續(xù)的顯著差異點(diǎn);整條纖維的擴(kuò)散特性呈現(xiàn)類(lèi)曲線般的增減;職業(yè)象棋手較普通樣本在擴(kuò)散指標(biāo)上也表現(xiàn)出了一定的上升,之后與臨床指標(biāo)的皮爾森相關(guān)實(shí)驗(yàn)也佐證了這一區(qū)別。隨后,...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于大腦解剖連接的神經(jīng)疾病分析研究現(xiàn)狀
1.2.2 纖維聚類(lèi)研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容及全文章節(jié)安排
1.3.1 本文研究?jī)?nèi)容
1.3.2 章節(jié)安排
第二章 基于體素的人腦解剖連接分析
2.1 擴(kuò)散磁共振成像基本原理
2.2 傳統(tǒng)基于體素的大腦解剖連接分析方法
2.2.1 大腦可塑性
2.2.2 基于體素的分析
2.2.3 基于纖維的空間分析方法
2.3 本章小結(jié)
第三章 基于自動(dòng)纖維量化聚類(lèi)的人腦解剖連接分析
3.1 自動(dòng)纖維量化方法
3.1.1 基于纖維的分析
3.1.2 自動(dòng)纖維量化算法流程
3.2 實(shí)驗(yàn)流程
3.2.1 聚類(lèi)流程
3.2.2 腦網(wǎng)絡(luò)分析
3.2.3 解剖指標(biāo)數(shù)據(jù)分析流程
3.3 實(shí)驗(yàn)結(jié)果及分析
3.3.1 實(shí)驗(yàn)人群及數(shù)據(jù)來(lái)源
3.3.2 實(shí)驗(yàn)結(jié)果
3.3.3 討論分析
3.4 本章小結(jié)
第四章 基于腦圖譜聚類(lèi)的人腦解剖連接分析
4.1 基于腦圖譜的纖維聚類(lèi)分割
4.2 皮質(zhì)分割
4.2.1 基于Freesurfer的大腦皮質(zhì)分割
4.2.2 解剖指標(biāo)計(jì)算
4.3 實(shí)驗(yàn)結(jié)果
4.3.1 樣本圖譜可視化
4.3.2 樣本圖譜解剖指標(biāo)
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 全文工作總結(jié)
5.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
1 作者簡(jiǎn)歷
2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
4 發(fā)明專(zhuān)利
學(xué)位論文數(shù)據(jù)集
【參考文獻(xiàn)】:
期刊論文
[1]神經(jīng)纖維體素微結(jié)構(gòu)成像估計(jì)算法研究進(jìn)展[J]. 馮遠(yuǎn)靜,何建忠,李永強(qiáng),周思琪. 中國(guó)科學(xué):信息科學(xué). 2019(06)
[2]醫(yī)學(xué)領(lǐng)域的磁共振成像革命——2003年諾貝爾生理及醫(yī)學(xué)獎(jiǎng)主要工作介紹[J]. 王波,鐘凱. 生物化學(xué)與生物物理進(jìn)展. 2003(06)
博士論文
[1]基于大尺度腦網(wǎng)絡(luò)分析方法的腦可塑性研究[D]. 段旭君.電子科技大學(xué) 2013
碩士論文
[1]腦白質(zhì)纖維群智能跟蹤算法研究及可視化系統(tǒng)開(kāi)發(fā)[D]. 王哲進(jìn).浙江工業(yè)大學(xué) 2013
本文編號(hào):3723729
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于大腦解剖連接的神經(jīng)疾病分析研究現(xiàn)狀
1.2.2 纖維聚類(lèi)研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容及全文章節(jié)安排
1.3.1 本文研究?jī)?nèi)容
1.3.2 章節(jié)安排
第二章 基于體素的人腦解剖連接分析
2.1 擴(kuò)散磁共振成像基本原理
2.2 傳統(tǒng)基于體素的大腦解剖連接分析方法
2.2.1 大腦可塑性
2.2.2 基于體素的分析
2.2.3 基于纖維的空間分析方法
2.3 本章小結(jié)
第三章 基于自動(dòng)纖維量化聚類(lèi)的人腦解剖連接分析
3.1 自動(dòng)纖維量化方法
3.1.1 基于纖維的分析
3.1.2 自動(dòng)纖維量化算法流程
3.2 實(shí)驗(yàn)流程
3.2.1 聚類(lèi)流程
3.2.2 腦網(wǎng)絡(luò)分析
3.2.3 解剖指標(biāo)數(shù)據(jù)分析流程
3.3 實(shí)驗(yàn)結(jié)果及分析
3.3.1 實(shí)驗(yàn)人群及數(shù)據(jù)來(lái)源
3.3.2 實(shí)驗(yàn)結(jié)果
3.3.3 討論分析
3.4 本章小結(jié)
第四章 基于腦圖譜聚類(lèi)的人腦解剖連接分析
4.1 基于腦圖譜的纖維聚類(lèi)分割
4.2 皮質(zhì)分割
4.2.1 基于Freesurfer的大腦皮質(zhì)分割
4.2.2 解剖指標(biāo)計(jì)算
4.3 實(shí)驗(yàn)結(jié)果
4.3.1 樣本圖譜可視化
4.3.2 樣本圖譜解剖指標(biāo)
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 全文工作總結(jié)
5.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
1 作者簡(jiǎn)歷
2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
4 發(fā)明專(zhuān)利
學(xué)位論文數(shù)據(jù)集
【參考文獻(xiàn)】:
期刊論文
[1]神經(jīng)纖維體素微結(jié)構(gòu)成像估計(jì)算法研究進(jìn)展[J]. 馮遠(yuǎn)靜,何建忠,李永強(qiáng),周思琪. 中國(guó)科學(xué):信息科學(xué). 2019(06)
[2]醫(yī)學(xué)領(lǐng)域的磁共振成像革命——2003年諾貝爾生理及醫(yī)學(xué)獎(jiǎng)主要工作介紹[J]. 王波,鐘凱. 生物化學(xué)與生物物理進(jìn)展. 2003(06)
博士論文
[1]基于大尺度腦網(wǎng)絡(luò)分析方法的腦可塑性研究[D]. 段旭君.電子科技大學(xué) 2013
碩士論文
[1]腦白質(zhì)纖維群智能跟蹤算法研究及可視化系統(tǒng)開(kāi)發(fā)[D]. 王哲進(jìn).浙江工業(yè)大學(xué) 2013
本文編號(hào):3723729
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3723729.html
最近更新
教材專(zhuān)著