核磁共振成像（MRI）能夠以非入侵的方式獲取個(gè)體內(nèi)部的構(gòu)造影像,彌散張量成像（DTI）作為核磁共振成像的特殊形式,通過(guò)捕獲水分子的擴(kuò)散提供了對(duì)腦白質(zhì)微結(jié)構(gòu)組織的無(wú)創(chuàng)評(píng)估。對(duì)以上兩種影像數(shù)據(jù)的定量分析對(duì)認(rèn)知人體內(nèi)部構(gòu)造、研究個(gè)體發(fā)育狀態(tài)、臨床疾病預(yù)防和診斷具有非常重要的意義。一般對(duì)數(shù)據(jù)進(jìn)行定量分析之前,需要先將不同個(gè)體或者同一個(gè)體不同時(shí)間采集的圖像配準(zhǔn)到同一空間,而傳統(tǒng)的基于體素的灰度域配準(zhǔn)方法存在計(jì)算量大、需要模板先驗(yàn)和無(wú)法避免配準(zhǔn)誤差的問(wèn)題。因此,本論文針對(duì)上述問(wèn)題提出了定量分析醫(yī)學(xué)圖像數(shù)據(jù)的新思路:首先,針對(duì)幼兒纖維發(fā)育分析,本論文提出將DTI中交織纏繞的白質(zhì)纖維分離成單一纖維束,然后在本地空間中對(duì)來(lái)自不同主體的同一類型的束進(jìn)行統(tǒng)計(jì)分析,以避免來(lái)自配準(zhǔn)算法的平滑誤差;另外,關(guān)于腦部MRI的配準(zhǔn)問(wèn)題,提出利用標(biāo)識(shí)點(diǎn)間的幾何相關(guān)性建立隱式回歸模型定位腦部標(biāo)識(shí)點(diǎn)以解決計(jì)算繁瑣和需要模板先驗(yàn)的問(wèn)題。針對(duì)纖維分割工作,最近發(fā)表的密度峰值（DP）聚類算法,在沒有任何現(xiàn)有模板的情況下聚類結(jié)構(gòu)復(fù)雜的白質(zhì)纖維依然具有很強(qiáng)的魯棒性。但是最核心的密度計(jì)算步驟非常耗時(shí)。本論文提出了一個(gè)快速密度峰值聚類算法... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
        1.1.1 醫(yī)學(xué)圖像和醫(yī)學(xué)圖像處理
        1.1.2 彌散張量成像和纖維發(fā)育定量分析
        1.1.3 T1加權(quán)圖像和腦部標(biāo)識(shí)點(diǎn)定位
    1.2 醫(yī)學(xué)圖像處理及分析流程
        1.2.1 圖像預(yù)處理
        1.2.2 醫(yī)學(xué)圖像配準(zhǔn)
        1.2.3 臨床數(shù)據(jù)定量分析
    1.3 纖維分割和發(fā)育分析
    1.4 腦部標(biāo)識(shí)點(diǎn)定位
    1.5 論文章節(jié)安排
2 研究現(xiàn)狀和相關(guān)工作
    2.1 纖維分割和數(shù)據(jù)分析
        2.1.1 基于白質(zhì)骨架的彌散統(tǒng)計(jì)分析
        2.1.2 白質(zhì)纖維聚類研究
        2.1.3 基于密度峰值的聚類算法
        2.1.4 主要研究?jī)?nèi)容
    2.2 人腦標(biāo)識(shí)點(diǎn)定位
        2.2.1 醫(yī)學(xué)圖像標(biāo)識(shí)點(diǎn)定位算法
        2.2.2 人臉特征點(diǎn)定位算法
        2.2.3 主要研究?jī)?nèi)容
3 白質(zhì)纖維束分割與分析
    3.1 纖維分割及分析流程
    3.2 圖像預(yù)處理和纖維追蹤
    3.3 快速的基于密度峰值的聚類算法
        3.3.1 纖維量化
        3.3.2 快速密度峰值聚類算法
    3.4 優(yōu)化算法驗(yàn)證分析
        3.4.1 優(yōu)化前后算法比較
        3.4.2 與經(jīng)典聚類算法比較
    3.5 纖維各向異性數(shù)據(jù)統(tǒng)計(jì)分析
        3.5.1 數(shù)據(jù)獲取和預(yù)處理
        3.5.2 纖維各向異性指數(shù)(FA)計(jì)算方式
        3.5.3 纖維發(fā)育分析
4 人腦標(biāo)識(shí)點(diǎn)定位
    4.1 定位算法流程
    4.2 數(shù)據(jù)處理
        4.2.1 圖像數(shù)據(jù)預(yù)處理
        4.2.2 合成數(shù)據(jù)集
    4.3 定位結(jié)果精確度衡量
    4.4 基于梯度回歸方法的人腦標(biāo)識(shí)點(diǎn)定位回歸模型
        4.4.1 回歸模型目標(biāo)函數(shù)
        4.4.2 形狀回歸定位算法原理
    4.5 特征提取算法篩選
    4.6 算法有效性驗(yàn)證
        4.6.1 標(biāo)識(shí)點(diǎn)介紹
        4.6.2 定位結(jié)果分析
    4.7 在腦區(qū)邊界定位中的應(yīng)用
        4.7.1 腦區(qū)劃分及其邊界
        4.7.2 邊界定位結(jié)果分析
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]醫(yī)學(xué)圖像配準(zhǔn)技術(shù)進(jìn)展[J]. 李雄飛,張存利,李鴻鵬,臧雪柏.  計(jì)算機(jī)科學(xué). 2010(07)
[2]腦網(wǎng)絡(luò):從腦結(jié)構(gòu)到腦功能[J]. 蔣田仔,劉勇,李永輝.  生命科學(xué). 2009(02)
[3]基于Fourier-Mellin變換的對(duì)稱相匹配濾波算法[J]. 菅云峰,胡勇,李介谷,孫再龍.  紅外與毫米波學(xué)報(bào). 1999(06)

博士論文
[1]圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究[D]. 宋智禮.復(fù)旦大學(xué) 2010

碩士論文
[1]自動(dòng)圖像配準(zhǔn)技術(shù)研究[D]. 呂海霞.西北工業(yè)大學(xué) 2007



本文編號(hào)：3377606