【摘要】：磁共振成像(MRI)是一種顯示人體組織生理和解剖結構變化的非侵入式成像技術,腦MR圖像質量較好,各組織之間對比度明顯。大腦發(fā)育是復雜的過程,它貫穿兒童和青少年時期,開發(fā)工具來分析各個年齡段的神經系統(tǒng)發(fā)育是很重要的。在早期大腦發(fā)育的研究中,將嬰兒大腦圖像準確的分割為白質(White matter,WM)、灰質(Gray mater,GM)和腦脊液(Cerebrospinal Fluid,CSF),是下一步對感興趣區(qū)域的定量分析的重要前提。近年來,深度學習在醫(yī)學圖像分析領域得到了廣泛的應用�；诖�,本文使用一種三維全卷積神經網(wǎng)絡對腦圖像進行分割并對網(wǎng)絡進行改進,使用數(shù)據(jù)為6個月大嬰兒腦部T1加權,T2加權兩種模態(tài)的MR圖像,算法對比顯示改進效果較好。首先,本文首先分析了傳統(tǒng)卷積神經網(wǎng)絡在圖像分割領域的兩個主要缺陷,一是全連接層的存在限制了圖像輸入的大小,而且不能對每個像素分類,二是池化層降維的同時丟失了圖像信息。接著,概述了全卷積神經網(wǎng)絡和來解決以上缺點的其他創(chuàng)新方法。然后,詳細說明本文中使用的全卷積神經網(wǎng)絡結構:1.舍棄池化層,網(wǎng)絡中全部為卷積層;2.多尺度特征,將較淺卷積層得到的特征圖和最后一個3X3 X3卷積層整合在一起;3.網(wǎng)絡輸入為三維和多模態(tài)磁共振圖像,多模態(tài)數(shù)據(jù)可以有效解決灰質和白質對比度低的問題,而三維數(shù)據(jù)更好的利用了原始數(shù)據(jù)中的空間特征。在此基礎上,為了提高網(wǎng)絡性能,添加1×1×1卷積層加深網(wǎng)絡深度,加入dropout,防止過擬合。最后,將初始模型和改進的模型應用在測試數(shù)據(jù)集上,用ITK-SNAP對分割結果三維重建顯示,并用三種評價方式衡量預測結果與金標準的之間的誤差,各個指標均有所提升,證明了改進的有效性。
【圖文】：

一般情況下，Ｔ１ＷＩ圖像近似于組織的解剖形態(tài)圖，Ｔ２ＷＩ圖像能更好呈現(xiàn)逡逑組織中病變情況。對于大腦的ＭＲＩ圖像來說［４］，可觀察腦脊液來區(qū)分Ｔ１和Ｔ２逡逑加權圖像。如圖１．１所示，腦脊液Ｔ１加權成像呈暗色，Ｔ２加權成像呈亮色。逡逑［Ｍｌ逡逑圖１．１腦部磁共振Ｔ１ＷＩ圖像和Ｔ２ＷＩ圖像逡逑１．２研究目的和意義逡逑大腦是人類最復雜的器官，平均有大約１０００億個神經元，每個神經元與另逡逑外１００００個神經元相連，整個大腦共有大約１０００萬億的連接。它是一個神奇而逡逑強大的器官，它使我們能夠學習，看到，記住，聽到，感知，理解和創(chuàng)造語言：逡逑有時候，人腦也因各類疾病比如腦萎縮、帕金森威脅著人類健康。逡逑進入２１世紀以來，人腦的復雜結構和功能吸引著眾多科研人員，各國政府逡逑更是出臺了腦計劃來促進腦科學的發(fā)展。美國政府在２０１３年出臺了“推動創(chuàng)新的逡逑神經科學技術進行大腦研宄計劃”（Ｂｒａｉｎ邋Ｒｅｓｅａｒｃｈ邋ｔｈｒｏｕｇｈ邋Ａｄｖａｎｃｉｎｇ邋Ｉｎｎｏｖａｔｉｖｅ逡逑Ｎｅｕｒｏｔｅｃｈｎｏｌｏｇｉｅｓ邋（ＢＲＡＩＮ）邋Ｉｎｉｔｉａｔｉｖｅ），同年，歐盟也推出了“人類大腦項目”逡逑（Ｈｕｍａｎ邋Ｂｒａｉｎ邋Ｐｒｏｊｅｃｔ），曰本、韓國等國也?

腦分割是將大腦組織分割成非重疊區(qū)域來分別研宄，，如病變檢測和分割，逡逑組織分割和新生兒、成人大腦分割＞８］，將嬰兒大腦ＭＲ圖像精確分割分為白質，逡逑灰質，腦脊液，如圖１．２，是研究早期大腦發(fā)育的關鍵，在這一時期內，人類出生逡逑后的大腦表現(xiàn)出最有活力的發(fā)育階段，組織迅速成長，形成關鍵的認知和運動功逡逑能。嬰兒腦組織分割對于檢測出生后不久發(fā)生的腦異常發(fā)育疾病也很重要，例如逡逑精神分裂癥、雙相情感障礙、注意力缺陷／多動障礙、自閉癥等。例如，Ｈ．邋Ｃ．邋Ｈａｚｌｅｔｔ逡逑ｅｔ等發(fā)現(xiàn)了自閉癥兒童在兩歲前大腦的過度生長與皮質表面的增長有關。目前，逡逑解決許多神經發(fā)育障礙的手段是改善而不是治療，早期識別到這些疾病風險，神逡逑成人逡逑個邋成人了１b澣W圖像灰度Ｅ方圈邐ｔ邋新生凡Ｔｒ加權腦圈像灰度直方圖逡逑像＃邐像素逡逑數(shù)敏邐／＼邐數(shù)}懼義希澹斟危�？ｍｎＳz洹澹阱澹苠義希剩殄危保苠義匣襼1■邐灰度鐿逡逑（ａ）邐０＞）逡逑圖１．２成人和新生兒Ｔ１加權ＭＲ圖像灰度直方圖對比：（ａ）成人大腦，（ｂ）新生兒大腦逡逑３逡逑
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R445.2;TP391.41;TP183

【參考文獻】

相關期刊論文 前1條

1 萬俊;聶生東;王遠軍;;基于MRI的腦腫瘤分割技術研究進展[J];中國醫(yī)學物理學雜志;2013年04期

相關碩士學位論文 前2條

1 方明超;基于全卷積網(wǎng)絡的腦部MRI腫瘤分割方法研究[D];浙江師范大學;2018年

2 劉暢;MRI腦影像的深度卷積網(wǎng)絡分割和三維可視化[D];北京理工大學;2016年

本文編號：2629143