腦膠質(zhì)瘤是一種最常見的原發(fā)性腦腫瘤,具有較高的發(fā)病率和死亡率,即使采取最積極的治療,預(yù)后也比較差。分子生物標(biāo)志物O6-甲基鳥嘌呤-DNA-甲基轉(zhuǎn)移酶（MGMT）啟動子甲基化狀態(tài)與膠質(zhì)瘤患者的化療效果及其預(yù)后密切相關(guān),其狀態(tài)的檢測對患者具有重要的意義。目前的檢測方法大多是基于活體組織的侵入式檢測,本文提出一種無創(chuàng)的定量影像分析方法來預(yù)測MGMT啟動子甲基化狀態(tài)。該方法主要包含了影像的分割、特征提取與選擇以及分類預(yù)測,本文將圍繞這三個方面展開具體的研究。影像的分割是整個檢測過程的關(guān)鍵,其結(jié)果直接影響后續(xù)影像的分析。本文提出一種基于多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的自動分割方法來將患者MRI影像分割為水腫區(qū)、增強區(qū)、非增強區(qū)、壞死區(qū)以及健康區(qū)五個子區(qū)域。為了充分利用多個模態(tài)影像的差異信息,針對每個模態(tài)影像都分別構(gòu)建一個卷積神經(jīng)網(wǎng)絡(luò)特征提取器,然后將其組合來訓(xùn)練分類,從而優(yōu)化分割結(jié)果。其次在模型中使用兩個具有小卷積核的卷積層來替代一個具有較大卷積核的卷積層,從而來提高模型的判別能力。公開數(shù)據(jù)集的驗證結(jié)果顯示了本方法能夠有效準(zhǔn)確的分割出腦膠質(zhì)瘤各個子區(qū)域。與其它算法的對比結(jié)果顯示了本方法能夠更加全面的分割出腫... 

【文章來源】：武漢理工大學(xué)湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

腫瘤內(nèi)空間-時間異質(zhì)性示意圖

圖 2-5 四個模態(tài)的影像及正確的分割真值充分利用這 4 個不同模態(tài)不同的突出信息，本文提出了一絡(luò)分割模型。在該模型中，每種模態(tài)影像都分別對應(yīng)一個樣態(tài)影像樣本數(shù)據(jù)構(gòu)建了一個卷積神經(jīng)網(wǎng)絡(luò)進行特征提取，然并進行訓(xùn)練分類。下面對多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)算法以及結(jié)構(gòu)。模態(tài)卷積神經(jīng)網(wǎng)絡(luò)算法見的 CNN 模型相比，本文提出的多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)模型行了改變外，在內(nèi)部結(jié)構(gòu)以及算法訓(xùn)練上也進行了一些變化和全連接層的改變，正則化、BatchNormalization 技術(shù)的使失函數(shù)和梯度下降優(yōu)化算法的選擇。卷積層卷積神經(jīng)網(wǎng)絡(luò)，通常卷積層越多，學(xué)習(xí)到的特征越復(fù)雜，網(wǎng)

訓(xùn)練學(xué)習(xí)率 α 0.003訓(xùn)練動量因子 γ 0.9訓(xùn)練批處理樣本數(shù) Batch 100構(gòu)建的模型中，共有 3751325 個參數(shù)需要訓(xùn)練。在具體實驗中，采證的方法來訓(xùn)練構(gòu)建的網(wǎng)絡(luò)模型，訓(xùn)練過程中的訓(xùn)練準(zhǔn)確率以及迭代次數(shù)變化示意圖如圖 2-8 所示，從圖中我們可以看出，訓(xùn)練準(zhǔn)次數(shù)的增加而逐漸增高，驗證準(zhǔn)確率隨著迭代次數(shù)的增加，剛開始加，后來逐漸趨于穩(wěn)定。訓(xùn)練過程中的訓(xùn)練損失值以及驗證損失值化示意圖如圖 2-9 所示，從圖中我們可以看出，訓(xùn)練損失值隨著迭而逐漸降低，驗證損失值隨著迭代次數(shù)的增加，剛開始整體趨勢在漸趨于穩(wěn)定。從訓(xùn)練結(jié)果可以看出，當(dāng)?shù)螖?shù)在 35 左右時，驗隨著訓(xùn)練準(zhǔn)確率的增加而明顯變化，因此本次訓(xùn)練最終將迭代次型在訓(xùn)練時采用 NVIDIAGeForce GTX 1050 GPU 加速，每次迭代 分鐘，整個訓(xùn)練過程大約需要 10 個小時。

【參考文獻】：
期刊論文
[1]高維小樣本分類問題中特征選擇研究綜述[J]. 王翔,胡學(xué)鋼.  計算機應(yīng)用. 2017(09)
[2]MGMT基因甲基化檢測在神經(jīng)膠質(zhì)瘤治療中的應(yīng)用[J]. 宣自學(xué),袁守軍,王維,俞佳.  腫瘤學(xué)雜志. 2016(10)
[3]基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的磁共振成像腦腫瘤分割研究[J]. 李健,羅蔓,羅曉,藍威,周懷恒,陳榮耀.  中國醫(yī)學(xué)裝備. 2016(02)
[4]中國腦膠質(zhì)瘤分子診療指南[J]. 中國腦膠質(zhì)瘤基因組圖譜計劃（CGGA）.  中華神經(jīng)外科雜志. 2014 (05)
[5]基于磁共振圖像的腦瘤MGMT表達狀況檢測算法[J]. 劉晨彬,潘穎,張海石,黃峰平,夏順仁.  浙江大學(xué)學(xué)報(工學(xué)版). 2012(01)
[6]MGMT基因啟動子甲基化檢測在腦膠質(zhì)瘤化療中的意義[J]. 鄭長青,季守平,宮鋒,李安民,邰軍利,章?lián)P培.  癌癥. 2009(06)



本文編號：3624059