导读:本文包含了脑核磁共振图像论文开题报告文献综述及选题提纲参考文献，主要关键词:颅内囊性病变,病理类型,核磁共振波普成像,鉴别
脑核磁共振图像论文文献综述
郝俊超,杨海叶[1]（2019）在《不同病理类型颅内囊性病变的核磁共振波普图像特点分析》一文中研究指出目的分析研讨不同病理类型颅内囊性病变的核磁共振波普图像特点。方法随机从我院2017年6月至2018年12月收治的颅内囊性病变患者中抽取98例进行讨论,患者均得到病理检查和随访确诊。均接受MRI平扫、增强扫描、MRS检查病灶状况,分析检查结果。结果 98例患者中,Cho、Lac峰16例低级别胶质瘤均显示,NAA峰3例。Cho、Lac峰12例高级别胶质瘤,19例脑转移瘤中,16例显示Cho峰,13例显示Lac峰,14例显示Lip峰;10例脑脓肿中,全部显示Lac峰、AA峰、Ace峰、Ala峰,14例表皮样囊肿均显示Lac峰,16例蛛网膜囊肿者,10例显示Lac峰,11例脑囊虫病者,全部显示Lac峰、Ace峰、Ala峰。各病种间,各峰显示率差异明显(P<0.05)。结论 Ala、Ace、AA峰在判定颅内囊性病变中,特异性较高,显示AA峰表明脑脓肿危险性大,MRS对鉴别诊断脑囊虫病、脑脓肿、囊性脑肿瘤有利,其应用价值高。(本文来源于《世界最新医学信息文摘》期刊2019年65期）
高飞,闫镔,曾磊,武明辉,谭红娜[2]（2019）在《非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法》一文中研究指出为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的MRI图像,由医生在专业软件中人工分割出病灶部位,对这些病灶部位提取高通量的328维图像特征,包括灰度、形状、纹理、小波等特征,利用最小绝对收缩和选择运算符(LASSO)和交叉验证方法从中挑选出对病理分级最有价值的特征,组成影像组学模型并融合临床信息实现对肿瘤高、低分化分类的定量分析。在170位肝脏肿瘤患者的MRI图像(T1加权图像和T2加权图像)上进行实验,通过计算接收者操作特征(ROC)曲线下面积(AUC)来衡量模型的预测性能。结果表明,基于高通量图像特征的LASSO回归定量分析方法,在训练集上获得AUC为0.909,在测试集上AUC为0.800。挑选出来的图像特征组成的影像学标签可以对高、低分化进行自动分类,从而为医生提供了一种非侵入的辅助诊断方法,有助于预后判断和治疗方案的制定。(本文来源于《生物医学工程学杂志》期刊2019年04期）
李盼龙[3]（2019）在《多模态核磁共振脑图像处理方法的研究及其应用》一文中研究指出多模态核磁共振脑图像为我们探索脑神经提供了从结构到功能的影像学信息,许多研究表明一些精神性或神经性疾病都会引起脑结构和脑功能的变化,这些变化可能存在内在的联系。多模态核磁共振图像联合分析为揭开脑结构变化和脑功能变化的关系提供了可能,另外这种联合分析提供的全面医学影像信息对探索脑工作原理具有重要作用。多模态核磁共振数据有着信息互补的优势,但如何利用这些不同属性的数据,综合反映研究对象的生物学信息仍然是一种迫切的需求和重大的挑战。在众多困扰人类的疾病中,肥胖由于其流行性、易于引起其他一些顽固性疾病,已经成为危害人类健康最严重的疾病之一。研究人员希望从脑部入手探究肥胖人群异常的脑功能或者脑结构来揭示肥胖的神经机制,然而很少有研究从脑功能到脑结构的多模态联合分析。因此,本文围绕多模态核磁共振图像处理方法及应用主要开展了以下四个方面的研究(1)用各模态单独分析的方法,研究了肥胖人群脑结构和脑功能的变化以及减肥手术对这些变化的影响。通过将静息态功能磁共振(resting state fMRI)和T1加权像分别按照各自的模态分析方法进行独立分析,发现静息态下的肥胖人群在眶额皮层脑活动降低,小脑和枕-顶叶区域的脑灰质体积降低,手术后这些异常得到了恢复。我们的研究揭示了肥胖人群脑结构和脑功能活动异常的可塑性,对肥胖的机理研究和治疗具有重要意义。(2)用平行独立成分分析方法(parallel-ICA)对肥胖人群脑功能和脑结构像进行了联合分析,发现肥胖人群的脑结构和脑功能变化间具有耦合性。虽然没有发现手术后这些异常成分的恢复(神经的可塑性),但研究首次证实了肥胖人群脑功能和脑结构间变化的耦合性,这种变化的耦合性揭示了肥胖人群脑结构和脑功能变化的内在联系,对理解肥胖的神经机制有重要作用。(3)针对目前多模态磁共振图像分析方法中的缺陷,我们提出了一套适用于多模态联合分析的方法。方法主要分为两个部分,第一部分是考虑到测得的核磁信号是各种生理信息的综合反映,对各个模态的图像进行非负盲源分离。其中,针对反映脑结构信息的T1加权像,采用非负矩阵分解的方法将图像分解为基图像的线性迭加,针对反映脑功能信息的fMRI像,基于李群和李代数的映射关系改进了非负独立成分分解的方法,并将此方法首次应用于fMRI图像的非负分解中。这两种针对不同模态的非负盲源信号分离方法可以将测得的不同模态的核磁图像分解为生理上可解释的成分(非负成分)。本文用模拟数据验证了这两种方法分别作用于结构像和功能像的可行性。方法学的第二个主要部分是对分解出的基图像进行特征选择。考虑到各个模态的图像间的属性差异性和基图像数量多的特点,我们采用对变量属性没有要求、适用于多变量的集成式机器学习方法—随机森林算法对基图像进行筛选,并对筛选出的基图像的系数做相关性分析,从而得到不同模态间的相关性。(4)本文将建立的多模态图像联合分析方法应用于肥胖人群的脑结构和脑功能研究中,发现肥胖人群的脑结构变化和脑功能变化间的耦合性,并且随机森林算法挑选出的两种模态的异常成分在空间分布上有一定重合性,同时我们的结果显示减肥手术能够恢复这些变化的脑结构和脑功能活动。本文构建的多模态图像联合分析方法的结果验证了肥胖人群脑结构变化和脑功能变化的耦合性,同时验证了这种结构和功能变化的可塑性,这说明我们建立的多模态磁共振图像处理方法较现有的方法具有更高的检测效率。(本文来源于《郑州大学》期刊2019-05-01）
陈刚[4]（2019）在《核磁共振图像去噪方法的应用研究》一文中研究指出目的探讨核磁共振图像的有效去噪方法。方法分别应用基于小波变换算法和基于Contourlet域的Context模型进行核磁共振图像去噪,比较两种方法的去噪效果。结果应用基于Contourlet域的Context模型进行去噪的核磁共振成像边缘较应用基于小波变换算法更清晰,纹理特征性更强。结论基于Contourlet域的Context模型为核磁共振图像的有效去噪方法,能够明显改善核磁共振图像质量。(本文来源于《基层医学论坛》期刊2019年13期）
尹航[5]（2019）在《基于深度学习的心室核磁共振图像分割研究与应用》一文中研究指出近年来心血管疾病(Cardiovascular Disease,CVD)对人类健康造成了严重威胁,引起了人们的广泛关注。目前对心血管疾病的诊断主要通过多层螺旋CT、超声心动图及核磁共振来完成。其中核磁以其高时间分辨率、无辐射、成像清晰等特点在医疗应用中被普遍使用,然而手动分割核磁图像费时费力且容易出错,因此自动化分割十分必要。由于心室内膜标记为心室体积计算、射血分数等指标提供重要依据,因此科研人员在研究与实践中对心室内膜边缘检测进行不断探索以提高心功能指数计算的准确率。本文基于心室短轴核磁切片数据,对心室内膜分割开展了研究,主要研究内容如下:1.针对心室核磁图像公开数据集样本较少的情况,本文从甘肃省某医院采集了 128位患者的16000张心室短轴核磁切片图像并对左右心室内膜边界进行逐一标记,制作了规模较大的数据集。2.针对心室核磁图像灰度分布不均匀、内膜边界对比度低等问题,本文在分析常见滤波和图像增强算法的基础上,采用双边滤波和限制对比度的自适应直方图均衡化算法来提高数据质量,为准确标记和分割图像提供基础。3.研究了心室核磁切片的分层设计模型,并与基于深度学习的Mask R-CNN算法相结合对心室内膜边缘进行检测,本文对测试集中一个心动周期内所有图像进行测试,实验结果表明左右心室的平均DM(Dice Metric)系数分别为0.92和0.89,HD(Hausdorff Distance)系数分别为4.78mm和7.03mm,达到很好效果。4.基于上述研究,本文对心室第二层(近叁尖瓣)核磁切片的舒张末期与收缩末期面积的比例关系进行研究,并通过该特征将心室收缩功能正常与异常患者进行分离。综上,本文通过心室分层设计与Mask R-CNN算法相结合,能够自动化分割心室内膜边缘且效果良好,为今后的相关研究工作提供了一定参考。(本文来源于《兰州大学》期刊2019-04-01）
阮思纯[6]（2018）在《人脑核磁共振图像的快速分割及校正模型研究》一文中研究指出核磁共振图像在人脑疾病的诊断中的地位日渐重要,但核磁共振成像技术会使图像受到不同程度的偏磁场扰动,偏磁场影响后续医学从业者对图像的分析,直接关系到诊断结果的准确度。因此,如何对具有偏磁场扰动的人脑核磁共振图像进行偏磁场校正并准确分割,是具有重要的实际意义的。现存的众多偏磁场校正或图像分割模型,在处理受到严重偏磁场扰动的图像时,都表现出了一定的缺陷,如无法准确分割图像、无法给出合理的校正结果等。基于以上现状,本文同时考虑校正过程和分割过程,建立了两个能同时给出图像校正及分割结果的模型。借助一组基函数来近似表达图像的灰度和偏磁场,建立一个人脑核磁共振图像校正及分割模型。乘法内在分量优化模型利用一组基函数近似图像中存在的偏磁场,但没有考虑图像灰度本身的连续性,在校正及分割受到严重偏磁场扰动的图像时,无法给出准确的结果。因此,基于乘法内在分量优化的模型和分裂Bregman方法,本文提出了一个基函数表达的人脑核磁共振图像校正及分割模型,新模型合理考虑了图像灰度的连续性以及偏磁场的扰动作用,能够在对人脑核磁共振图像进行适度校正的同时给出分割结果。为更好地观察模型的性能,我们将新模型与乘法内在分量优化模型同时应用于大量的人脑核磁共振图像,在实验中对两个模型的分割效果、校正效果以及效率进行了比较。结果表明,新模型无论是在校正效果还是分割效果上都有一定提升,特别是对于乘法内在分量优化模型无法处理的强偏磁场扰动的图像,新模型也能给出较好的校正及分割结果。此外,由于在新模型求解中运用了分裂Bregman方法,新模型的求解速度也得到了提升。结合多图谱信息及图像自身信息,建立一个针对于叁维人脑核磁共振图像的校正及分割模型,用于校正及分割叁维人脑核磁共振图像中的局部组织。现存的模型在叁维人脑核磁共振图像的校正及分割中,过于注重每一个二维切片上的图像信息,没有合理利用叁维图像的空间性,会出现校正或者分割不准确的情况。本文所提出的新模型既保留手工分割的叁维曲面,又强调二维切片了自身的图像信息。新模型在图像数据项中充分考虑偏磁场的扰动,使得新模型能在消除偏磁场扰动的同时给出分割结果,在多图谱融合项中引入一个空间权重函数,降低了模型对图谱数量和质量的敏感性,在求解过程中运用分裂Bregman方法,模型的求解效率得到提升。实验中,我们将新模型与多种分割方法进行了对比,验证了新模型在分割效果与效率上的优点,给出了新模型对叁维图像的偏磁场校正结果。(本文来源于《哈尔滨工业大学》期刊2018-12-01）
樊晓宇,练秋生[7]（2018）在《基于双稀疏模型的压缩感知核磁共振图像重构》一文中研究指出医学核磁共振图像重构技术是核磁共振成像领域的关键技术之一。压缩感知理论指出利用核磁共振图像的稀疏性能够从高度欠采样的观测值中精确重构图像。如何利用图像的稀疏性先验以及更多的先验知识来提高重构质量成为核磁共振成像的一个关键问题。本文根据综合稀疏模型和稀疏变换模型的相互补充作用,利用核磁共振图像在这两种模型下的稀疏性先验,将结合了综合稀疏模型与稀疏变换模型的双稀疏模型应用于压缩感知核磁共振图像的重构系统,提出了一种融合双字典学习的自适应图像重构模型。本文充分利用了图像在自适应综合字典学习和自适应变换字典学习下的两种稀疏先验知识,使用交替迭代最小化法对提出的模型进行分阶段求解,求解过程中引入了综合K-奇异值分解(K-SVD)算法和变换K-SVD算法。通过实验验证,与目前较好的核磁共振图像重构模型对比,本文提出模型的图像重构效果更好、收敛速度更快,且具有更好的鲁棒性。(本文来源于《生物医学工程学杂志》期刊2018年05期）
张娜,王瑜,周文,肖洪兵,邢素霞[8]（2018）在《正则化多任务学习在精神分裂症核磁共振成像图像分类中的应用》一文中研究指出为实现对精神疾病的计算机辅助诊断与预后,利用机器学习与图像处理技术分析多地区精神疾病的核磁共振成像数据,已成为该领域的必然趋势。本文首先提出切片提取的核磁共振成像图像预处理方法,然后提取图像的纹理特征,最后提出一种l_p范数正则化的多任务学习支持向量机精神分裂症分类方法,同时学习3个数据中心精神分裂症图像的共享特征和各自独有的特征,用于分类精神分裂症患者和正常人。实验结果表明,该方法取得了优秀的诊断精度,可为精神分裂症患者的临床诊断与治疗提供生物学依据。(本文来源于《中国医学物理学杂志》期刊2018年07期）
陶永鹏,刘朝霞,顼聪[9]（2018）在《基于GPU运算的脑部核磁共振图像分割算法》一文中研究指出使用脑部核磁共振图像(MRI)检测大脑组织中白质与灰质的变化已经变得积极和富有挑战性。本文提出基于GPU运算的平行模糊C均质聚类算法(FCM),并比较了在不同平台上执行FCM算法的效能。研究结果发现,利用GPU进行MRI图像分割处理时,图像输出相同,同时有效缩短了运行时间,其运算效能比基于CPU的运算效能至少提高7倍;使用单精度浮点运算和传统的Memory-copy数据传输方式就能获得较好的较能和准确率;基于GPU运算的运算平台更具性价比。(本文来源于《电视技术》期刊2018年06期）
管秋,张冰宇,胡海根,汪晓研,华敏[10]（2018）在《基于核磁共振图像的人体面部软组织的分割》一文中研究指出面部软组织的分割是医学诊断和临床治疗最重要的数据基础之一,对提高医生诊断的准确性和保证外科整形手术的质量有重要意义.为实现面部软组织的准确分割,结合MICO算法和区域生长法设计了一种面部脂肪组织的分割方法,该方法通过灰度不均匀处理、初分类移除背景和二分割提取组织实现了较传统算法更为准确的脂肪组织的分割.与此同时,还提出了一种新的咬肌组织分割方法,该方法通过设计一个新的边缘停止函数改进了DRLSE方法.提出的方法将相位一致性引入构造边缘停止函数,结合图像梯度信息及相位信息解决分割问题,得到了平均准确率达92.41%的分割结果.(本文来源于《浙江工业大学学报》期刊2018年03期）
脑核磁共振图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的MRI图像,由医生在专业软件中人工分割出病灶部位,对这些病灶部位提取高通量的328维图像特征,包括灰度、形状、纹理、小波等特征,利用最小绝对收缩和选择运算符(LASSO)和交叉验证方法从中挑选出对病理分级最有价值的特征,组成影像组学模型并融合临床信息实现对肿瘤高、低分化分类的定量分析。在170位肝脏肿瘤患者的MRI图像(T1加权图像和T2加权图像)上进行实验,通过计算接收者操作特征(ROC)曲线下面积(AUC)来衡量模型的预测性能。结果表明,基于高通量图像特征的LASSO回归定量分析方法,在训练集上获得AUC为0.909,在测试集上AUC为0.800。挑选出来的图像特征组成的影像学标签可以对高、低分化进行自动分类,从而为医生提供了一种非侵入的辅助诊断方法,有助于预后判断和治疗方案的制定。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
脑核磁共振图像论文参考文献
[1].郝俊超,杨海叶.不同病理类型颅内囊性病变的核磁共振波普图像特点分析[J].世界最新医学信息文摘.2019
[2].高飞,闫镔,曾磊,武明辉,谭红娜.非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法[J].生物医学工程学杂志.2019
[3].李盼龙.多模态核磁共振脑图像处理方法的研究及其应用[D].郑州大学.2019
[4].陈刚.核磁共振图像去噪方法的应用研究[J].基层医学论坛.2019
[5].尹航.基于深度学习的心室核磁共振图像分割研究与应用[D].兰州大学.2019
[6].阮思纯.人脑核磁共振图像的快速分割及校正模型研究[D].哈尔滨工业大学.2018
[7].樊晓宇,练秋生.基于双稀疏模型的压缩感知核磁共振图像重构[J].生物医学工程学杂志.2018
[8].张娜,王瑜,周文,肖洪兵,邢素霞.正则化多任务学习在精神分裂症核磁共振成像图像分类中的应用[J].中国医学物理学杂志.2018
[9].陶永鹏,刘朝霞,顼聪.基于GPU运算的脑部核磁共振图像分割算法[J].电视技术.2018
[10].管秋,张冰宇,胡海根,汪晓研,华敏.基于核磁共振图像的人体面部软组织的分割[J].浙江工业大学学报.2018