【摘要】：肝纖維化是眾多慢性肝臟疾病的常見表現(xiàn),對肝纖維化的早期確診一方面可以盡早實現(xiàn)對輕度肝纖維化治療以及對重度肝纖維化的控制,另一方面針對肝癌病人的治療方案的確定以及預后也起到至關重要的作用。目前醫(yī)學影像在肝纖維化分類中扮演著越來越重要的角色。然而,利用醫(yī)學影像進行肝纖維化程度的預判仍存在以下難點:①目前傳統(tǒng)的統(tǒng)計分析及機器學習分析方法主要是基于對醫(yī)學圖像特征提取實現(xiàn)的,目前的特征提取方法耗時耗力同時還會出現(xiàn)覆蓋信息不全面的情況;②醫(yī)學影像數(shù)據(jù)獲取困難,數(shù)據(jù)量相對較少,無法實現(xiàn)深度學習訓練。針對以上問題,本文利用了可以反映肝臟實質的對比增強磁共振(Magnetic ResonanceImaging,MRI)圖像,結合遷移學習的思想提出了一種新的基于信息相似度(Information-BasedSimilarity,IBS)方法的交叉對比神經網絡,用于肝纖維化分類。本文的主要研究內容有以下幾個部分:首先,介紹了肝纖維化疾病的相關背景和對肝纖維化分類研究的意義,接著介紹了磁共振成像和普美顯磁共振的基本原理,簡述了選用普美顯肝膽期MR圖像進行研究的原因。其次,提出了基于IBS方法的交叉對比神經網絡,結合遷移學習的思想,在醫(yī)學影像的小樣本數(shù)據(jù)上利用卷積神經網絡結構提取深度特征,利用IBS方法對特征進行度量,通過度量進行肝纖維化的分類。最后,對實驗設計進行了介紹,采用傳統(tǒng)的統(tǒng)計分析方法和機器學習方法,在提取圖像紋理特征的基礎上,設計實驗研究了傳統(tǒng)分析方法和機器學習方法在肝纖維化的分類中的表現(xiàn)。同時利用交叉對比神經網絡進行了肝纖維化分類的實驗,對輕重度肝纖維化分類的準確率達到了 93.3%。通過將交叉對比神經網絡的分類結果與傳統(tǒng)統(tǒng)計分析及機器學習分類結果的比較,從而說明了交叉對比神經網絡在肝纖維化分類中的先進性和適用性。
【圖文】：

的免去肝臟活檢所需的風險，在臨床應用中發(fā)揮了關鍵的作用。用于評估肝纖維逡逑化的主要的醫(yī)學影像包括超聲彈性成像、計算機斷層成像（Ｃｏｍｐｕｔｅｄ邋Ｔｏｍｏｇｒａｐｈｙ，逡逑ＣＴ）、磁共振成像（ＭＲＩ）等，如圖１－１所示，，分別為超聲瞬時彈性成像、ＣＴ成逡逑像、ＭＲＩ成像在肝臟部位的成像圖。逡逑W漏逡逑⑷超聲彈性成像邐（ｂ）邋ＣＴ邐（ｃ）邋ＭＲＩ逡逑圖１－邋１肝纖維化成像圖逡逑２逡逑

的免去肝臟活檢所需的風險，在臨床應用中發(fā)揮了關鍵的作用。用于評估肝纖維逡逑化的主要的醫(yī)學影像包括超聲彈性成像、計算機斷層成像（Ｃｏｍｐｕｔｅｄ邋Ｔｏｍｏｇｒａｐｈｙ，逡逑ＣＴ）、磁共振成像（ＭＲＩ）等，如圖１－１所示，分別為超聲瞬時彈性成像、ＣＴ成逡逑像、ＭＲＩ成像在肝臟部位的成像圖。逡逑W漏逡逑⑷超聲彈性成像邐（ｂ）邋ＣＴ邐（ｃ）邋ＭＲＩ逡逑圖１－邋１肝纖維化成像圖逡逑２逡逑
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R575.2;R445.2

【相似文獻】

相關期刊論文 前10條

1 付洪彥;龔作炯;;肝纖維化的發(fā)生機制及其診療研究進展[J];中西醫(yī)結合肝病雜志;2018年02期

2 田志良;秦春宏;;肝纖維化的診斷研究進展[J];西南軍醫(yī);2018年03期

3 邢直直;;肝纖維化的免疫相關機制[J];中國免疫學雜志;2017年03期

4 張偉;賈繼東;;肝纖維化的發(fā)病機制及治療新靶點[J];臨床肝膽病雜志;2017年03期

5 王冰瓊;孫亞朦;尤紅;邵晨;王泰齡;;肝纖維化逆轉的病理評估[J];臨床肝膽病雜志;2017年03期

6 杜艷芹;吳s

本文編號：2610849