由于傳統(tǒng)的基于區(qū)域的部分容積效應(yīng)改善方法在對失智癥患者的動脈自旋標(biāo)記圖像改善過程中引入了像素點(diǎn)最近鄰域內(nèi)其他的像素點(diǎn)信息,可能會導(dǎo)致改善結(jié)果過度模糊,且嚴(yán)重缺失大腦組織結(jié)構(gòu)細(xì)節(jié)的問題。本文提出了一種基于單像素點(diǎn)信息的部分容積效應(yīng)改善方法,不額外引入其他像素點(diǎn)信息,只基于單像素點(diǎn)本身信息進(jìn)行部分容積效應(yīng)改善,避免了傳統(tǒng)的基于區(qū)域的改善方法的缺陷。利用深度學(xué)習(xí)模型實(shí)現(xiàn)由結(jié)構(gòu)性磁共振成像推衍得到動脈自旋標(biāo)記磁共振圖像,由于動脈自旋標(biāo)記圖像是一種功能性磁共振圖像,所以此推衍過程是由結(jié)構(gòu)性磁共振圖像到功能性磁共振圖像的異構(gòu)推衍。利用新提出的基于單像素點(diǎn)的改善方法對推衍所得的動脈自旋標(biāo)記圖像進(jìn)行部分容積效應(yīng)改善。再將結(jié)構(gòu)性磁共振成像與推衍所得的動脈自旋標(biāo)記圖像相結(jié)合,運(yùn)用多種診斷工具對失智癥患者病情進(jìn)行智能診斷研究。 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 主要研究內(nèi)容
    1.4 章節(jié)安排
第2章 基于單像素點(diǎn)的部分容積效應(yīng)改善
    2.1 部分容積效應(yīng)
    2.2 國際現(xiàn)行方法綜述
    2.3 基于單像素點(diǎn)信息的改善方法
    2.4 實(shí)驗(yàn)與分析
    2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的缺失模態(tài)圖像推衍
    3.1 二維深度卷積神經(jīng)網(wǎng)絡(luò)
    3.2 二維深度殘差網(wǎng)絡(luò)
    3.3 不同模態(tài)的磁共振圖像
        3.3.1 結(jié)構(gòu)性磁共振圖像
        3.3.2 動脈自旋標(biāo)記磁共振圖像
    3.4 基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的ASL圖像推衍
    3.5 實(shí)驗(yàn)與分析
    3.6 本章小結(jié)
第4章 基于推衍圖像的失智癥病情智能診斷
    4.1 計(jì)算機(jī)輔助診斷方法
        4.1.1 分類模型方法
        4.1.2 聚類模型方法
        4.1.3 回歸模型方法
        4.1.4 排序模型方法
    4.2 實(shí)驗(yàn)與分析
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本論文總結(jié)
    5.2 未來研究展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號：3177455