【摘要】：海馬體(Hippocampus)是人類和脊椎動物腦部的重要生理器官,與人類和動物的空間認知感和記憶能力等生理功能有顯著關系。通過臨床實驗發(fā)現(xiàn)如顳葉癲癇、老年癡呆癥、精神分裂癥等精神疾病的發(fā)生常伴隨海馬體的體積增減,因此針對海馬體體積的研究為各種精神疾病的診斷和治療提供了有力的幫助。而對海馬體體積的研究首先需要從人腦結構圖中完成海馬體結構的分割。本文研究了基于深度學習網絡的海馬體分割融合算法,主要研究內容如下:首先,人腦海馬體醫(yī)學圖像分割技術因其圖像格式特殊,且形狀不規(guī)則,體積小,邊緣與周圍組織對比度低等特點,導致其分割難度較高,傳統(tǒng)分割方法難以取得令人滿意的效果�；趫D譜配準的分割算法是利用圖譜提供的先驗信息實現(xiàn)目標圖像的分離,主要應用于大腦MRI圖像的分割。但是傳統(tǒng)單圖譜的融合算法存在圖譜信息提取和利用不完全的缺點,為充分提取和利用待融合圖像的圖譜特征,提高海馬體圖譜的融合精度,提出一種基于深度學習網絡的海馬體多圖譜融合算法;其次,在圖譜預處理過程中利用重采樣方法與微分同胚算法對圖譜進行配準,將配準后的圖譜分解為基部和細節(jié)部,利用加權平均融合基部圖譜改善傳統(tǒng)配準算法的精度;最后,利用VGG深度學習網絡對細節(jié)部圖譜完成特征提取并進行分層融合,把細節(jié)部與基部圖譜做加權平均融合得到最終結果,提高了圖譜融合精度。本文主要針對配準之后的海馬體多圖譜圖像利用深度學習方法進行圖譜融合,先對海馬體圖譜圖像進行預處理,包括顱骨剔除、提取腦部MRI圖譜中海馬體的感興趣區(qū)域(ROI)、重采樣粗配準和微分同胚Demons精配準,配準完成之后利用深度學習網絡對配準圖譜進行特征提取并完成圖像融合。由于充分利用了圖譜的基部和細節(jié)部特征,可改進傳統(tǒng)算法對圖譜細節(jié)部特征利用不充分的缺陷。實驗結果表明,可得到較傳統(tǒng)融合算法更高的圖譜融合精度,各項評價指標均有所改善。
【圖文】：

體內的空間輪廓和位置分布，所以標簽圖像相對其他圖譜圖像具有更高的可信度和參考價值［４３】。逡逑依據標簽圖像中標記的結構數目或者目標數目可以把圖譜分為單目標和多目標圖譜，其中單目標逡逑圖譜表示該圖譜的腦ＭＲ圖像只含有單個腦部結構的標記，如圖２－１所示為只標記了人腦海馬體逡逑結構的單目標圖譜。多目標圖譜則是對那些不止標記了單個目標結構的圖譜的統(tǒng)稱，如圖２－２所逡逑示為標記有６７個腦部結構的多目標腦ＭＲ圖譜，對其進行三維視圖和３Ｄ視圖展示并用不同顏色逡逑對不同腦部組織器官結構進行區(qū)別標示，可以看出各個結構在空間位置和相互結構間的毗鄰關系。逡逑本文主要對包含有海馬體結構的腦部區(qū)域圖像展開研究，也就是說本文主要的研究對象是單逡逑目標圖譜。為了研宄的方便和數學表達的嚴謹，我們把圖譜的灰度圖像和標簽圖像分別做以下公逡逑式化定義：選取Ｎ個圖譜分別表示為：／邋＝邋0４ｓ｜ｓ邋＝邋ｌ，２，３Ｎ｝邋，邋Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，其中逡逑／邋＝邋（Ｖｌｓ｜ｓ邋＝邋１，２，，３Ａｆ｝是圖譜圖像，Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，．．．，Ａ0是與圖譜圖像對應的標簽圖像。逡逑（ａ）軸狀位多目標圖譜標簽邐（ｂ）矢狀位多目標圖譜標簽逡逑ＨＱ逡逑（ｃ）冠狀位多目標圖譜標簽邐（ｄ）多目標圖譜３Ｄ標簽圖逡逑圖２－２多目

體內的空間輪廓和位置分布，所以標簽圖像相對其他圖譜圖像具有更高的可信度和參考價值［４３】。逡逑依據標簽圖像中標記的結構數目或者目標數目可以把圖譜分為單目標和多目標圖譜，其中單目標逡逑圖譜表示該圖譜的腦ＭＲ圖像只含有單個腦部結構的標記，如圖２－１所示為只標記了人腦海馬體逡逑結構的單目標圖譜。多目標圖譜則是對那些不止標記了單個目標結構的圖譜的統(tǒng)稱，如圖２－２所逡逑示為標記有６７個腦部結構的多目標腦ＭＲ圖譜，對其進行三維視圖和３Ｄ視圖展示并用不同顏色逡逑對不同腦部組織器官結構進行區(qū)別標示，可以看出各個結構在空間位置和相互結構間的毗鄰關系。逡逑本文主要對包含有海馬體結構的腦部區(qū)域圖像展開研究，也就是說本文主要的研究對象是單逡逑目標圖譜。為了研宄的方便和數學表達的嚴謹，我們把圖譜的灰度圖像和標簽圖像分別做以下公逡逑式化定義：選�。蝹�圖譜分別表示為：／邋＝邋0４ｓ｜ｓ邋＝邋ｌ，２，３Ｎ｝邋，邋Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，其中逡逑／邋＝邋（Ｖｌｓ｜ｓ邋＝邋１，２，３Ａｆ｝是圖譜圖像，Ｌ邋＝邋｛Ｌｓ｜ｓ邋＝邋１，２，３，．．．，Ａ0是與圖譜圖像對應的標簽圖像。逡逑（ａ）軸狀位多目標圖譜標簽邐（ｂ）矢狀位多目標圖譜標簽逡逑ＨＱ逡逑（ｃ）冠狀位多目標圖譜標簽邐（ｄ）多目標圖譜３Ｄ標簽圖逡逑圖２－２多目
【學位授予單位】：寧夏大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R741.044;TP18;TP391.41

【相似文獻】

中國期刊全文數據庫 前10條

1 胡柯柯;;海馬體:只是做好了普通的小事而已[J];時代經貿;2016年26期

2 王元;;海馬體照相館 一張精致的照片,為你留下屬于你的記憶[J];時尚北京;2018年10期

3 ;睡眠時腦波也在用功[J];大自然探索;2017年02期

4 ;圖聞天下[J];飛碟探索;2017年10期

5 楊弘詣;楊為東;騰力平;張國輝;孫大勇;;甲醛和氯霉素在海馬體內殘留的變化[J];中國國境衛(wèi)生檢疫雜志;2007年03期

6 劉誼人;;多聽交響樂不迷路[J];老同志之友;2013年03期

7 ;細心關愛 助推孩子 智力發(fā)展[J];啟蒙(0-3歲);2012年09期

8 郭琳;;研究發(fā)現(xiàn)人成年后大腦海馬體不再產生新神經元[J];海南醫(yī)學;2018年06期

9 ;提醒[J];婦女生活(現(xiàn)代家長);2013年12期

10 ;海馬體重新定位及內嗅皮層網格細胞重排[J];中華神經醫(yī)學雜志;2007年05期

中國重要會議論文全文數據庫 前5條

1 彬彬;;我們的記憶都去哪了:窺探大腦歸檔系統(tǒng)海馬體[A];《科學與現(xiàn)代化》2016年第1期（總第066期）[C];2016年

2 李志強;武慧欣;木云珍;張媛;賀宇;吳錫南;;電磁輻射對海馬體影響的研究進展[A];2017環(huán)境與公共健康學術會議暨中國環(huán)境科學學會環(huán)境醫(yī)學與健康分會、中國毒理學會生化與分子毒理專業(yè)委員會2017年年會論文集[C];2017年

3 任揚;鄧志丹;王翔;;不同頻率聲波對SD大鼠海馬體血清素釋放的影響[A];第十二屆全國生物力學學術會議暨第十四屆全國生物流變學學術會議會議論文摘要匯編[C];2018年

4 劉霞;;老年人大腦也能長出新細胞 生成速度與年輕人一樣[A];《科學與現(xiàn)代化》2019年第1期（總第078期）[C];2019年

5 毛成潔;;REM sleep behavior disorder and Neurodegenerative Disorders[A];第六屆中國睡眠醫(yī)學論壇暨中國睡眠研究會睡眠障礙專業(yè)委員會成立十周年論文匯編[C];2015年

中國重要報紙全文數據庫 前10條

1 中國青年報·中青在線記者 王景爍;海馬體照相館：“最美證件照”掀起熱潮[N];中國青年報;2018年

2 記者 劉霞;大腦記憶規(guī)則被“改寫”[N];科技日報;2017年

3 實習生 馬雨昕;長期玩動作類電子游戲傷大腦[N];科技日報;2017年

4 記者 馮衛(wèi)東;海馬體中記憶相關活動流程并非單向[N];科技日報;2014年

5 張yN;毛線織出“仿真”大腦[N];新華每日電訊;2009年

6 記者 常麗君;大腦海馬體繪圖抄寫“一心二用”[N];科技日報;2013年

7 荊晶;考前熬通宵 不如背完快睡覺[N];大眾衛(wèi)生報;2015年

8 本報記者 韓揚眉;走近學習與記憶的“開關”[N];中國科學報;2020年

9 劉華;缺覺影響記憶形成[N];衛(wèi)生與生活報;2007年

10 實習記者 代小佩;促進海馬體中神經元的生成或能緩解阿爾茨海默癥[N];科技日報;2019年

中國博士學位論文全文數據庫 前2條

1 仇志坤;轉位蛋白(18KDa)配體化合物AC-5216及其衍生物YL-IPA08抗創(chuàng)傷后應激性障礙藥效學及作用機制研究[D];南方醫(yī)科大學;2014年

2 李白;蟲草素快速抗抑郁效果和作用機制研究[D];云南大學;2016年

中國碩士學位論文全文數據庫 前10條

1 申旺發(fā);基于深度學習網絡的海馬體多圖譜融合算法研究[D];寧夏大學;2019年

2 王文娜;基于多圖譜的腦MRI海馬體分割方法研究[D];寧夏大學;2019年

3 李卓然;腦圖像海馬體分割方法的研究[D];山東師范大學;2019年

4 姜巖蕓;基于3D卷積神經網絡的海馬體配準技術研究[D];山東師范大學;2019年

5 肖玉芬;阿爾茨海默癥中海馬體子區(qū)域形態(tài)學分析[D];哈爾濱工程大學;2018年

6 張鵬;人類海馬體功能剖分及連接模式分析[D];國防科學技術大學;2016年

7 郭莉;早產兔生發(fā)基質—腦室內出血對海馬體的影響[D];河北醫(yī)科大學;2017年

8 劉穎;基于方向尺度描述子與稀疏編碼的海馬體分割[D];南方醫(yī)科大學;2017年

9 鄧琦;基于腦MRI圖像的海馬體分割及其三維可視化系統(tǒng)設計與實現(xiàn)[D];西南交通大學;2017年

10 喬志通;基于廣義拉蓋爾—沃爾泰拉模型（GLVM）的海馬體神經網絡生物芯片的設計與實現(xiàn)[D];浙江大學;2018年

本文編號：2624284