基于3D卷积神经网络的海马体配准技术研究

论文摘要

海马体是大脑组织的重要组成部分,是重要的边缘神经系统,它的主要功能是进行记忆、学习以及空间定位。许多神经系统疾病,如颞叶癫痫、阿尔茨海默病、精神分裂症及抑郁症等,都与海马体形态体积和功能的改变有关。磁共振图像因为它本身具有对比度丰富、分辨率高以及三维脑组织信息等特点,能够实现海马体三维重建,是研究海马体形态的重要数据。图像配准是海马体分析的重要步骤,通常是将拍摄的海马体图像配准到标准模板空间中,进而实现对海马体形态、灰度等信息的统计。然而,传统的图像配准方法在解决图像配准问题时存在计算量大、耗费时间长的问题。近年来,随着深度学习的发展,端对端网络的产生,为解决图像配准问题提供了新的思路。针对海马体配准的问题,本文提出了基于3D卷积神经网络的海马体配准模型,能够非迭代的估计图像之间的空间对应关系,解决配准算法中计算时间长的问题。该方法通过端对端的学习,以传统图像配准方法计算的形变训练深度学习模型,作为卷积神经网络的初始值,然后使用配准方法中优化形变使用的相似度矩阵进一步优化网络的参数。本文的研究内容主要包含以下几个方面:(1)提出了基于3D卷积神经网络的海马体配准模型,并成功实现脑部海马体配准任务。该方法基于3D卷积神经网络设计端到端学习模型,使用已知形变场和相似度矩阵双重监督的方法,在保留学习传统图像配准方法的精度的同时,以无监督的方式进一步优化海马体配准模型,最终训练的模型可以直接估计三维图像之间的空间对应关系。在公开数据集上的实验结果证明,该方法可以有效估计图像之间的空间对应关系,实现大脑海马体的对准。(2)提出了基于3D卷积神经网络的全脑图像配准模型,能够有效解决深度学习算法在全脑图像上配准的难题。分别提出基于Patch的方法和修改卷积层的方法两种实现方案。基于Patch的方法将全脑图像分割成大小相等的图像,图像块之间有重叠,对每个图像块单独执行图像配准,最后通过对图像块形变的计算和拼接,得到全脑图像的空间对应关系;全图配准方法,该方法根据对全脑图像卷积所需显存的计算,修改卷积的通道数。通过在公开的脑图像数据集上实验,两种方案都可以有效实现脑图像配准。此外,我们分析了这两种方法的优缺点。(3)提出了基于卷积神经网络多光谱眼底图像的配准方法,为解决多模态配准问题提供了新的思路。该方法借助卷积神经网络随着训练记录卷积参数的特点,学习图像间的空间对应关系。对于多光谱眼底图像,血管图对齐能够代表图像对齐。因此,在模型训练时,使用图像对应的血管图计算相似度帮助网络的训练。在眼底多光谱数据上的实验结果表明,分割图指导的弱监督图像配准方法可以有效实现眼底多光谱图像的配准。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究背景与意义
•     1.1.1 海马体介绍
•     1.1.2 卷积神经网络的发展
•   1.2 国内外研究现状及分析
•   1.3 论文主要研究内容与创新点
•     1.3.1 论文研究内容
•     1.3.2 创新点
•   1.4 论文组织结构
•   1.5 本章小结
• 第二章 基于深度学习的医学图像配准算法分析
•   2.1 配准的基本概念
•     2.1.1 特征空间
•     2.1.2 空间变换
•     2.1.3 插值算法
•   2.2 图像配准方法研究
•     2.2.1 基于灰度的图像配准方法
•     2.2.2 基于特征的图像配准方法
•     2.2.3 基于学习的图像配准方法
•     2.2.4 传统图像配准方法中存在的不足
•   2.3 医学图像配准
•   2.4 深度学习算法在医学图像配准问题中的应用
•     2.4.1 有监督的图像配准方法
•     2.4.2 无监督的图像配准方法
•     2.4.3 双重监督的图像配准方法
•   2.5 本章小结
• 第三章 基于3D卷积神经网络的MRI影像海马体区域配准模型
•   3.1 MRI影像成像原理介绍
•   3.2 基于卷积神经网络的海马体配准模型
•     3.2.1 网络结构
•     3.2.2 端到端学习
•     3.2.3 相似度辅助学习
•     3.2.4 形变场平滑
•     3.2.5 双重监督学习
•   3.3 实验和分析
•     3.3.1 实验环境配置
•     3.3.2 实验数据
•     3.3.3 实验结果
•   3.4 本章小结
• 第四章 基于3D卷积神经网络的大体积密集形变预测模型
•   4.1 脑图像配准的意义
•   4.2 脑图像配准模型分析
•     4.2.1 基于Patch的方法
•     4.2.2 全图配准方法
•   4.3 实验与分析
•     4.3.1 实验环境配置
•     4.3.2 实验数据集
•     4.3.3 实验结果
•     4.3.4 结果分析
•   4.4 本章小结
• 第五章 基于卷积神经网络的多模态图像配准模型
•   5.1 分割导向的弱监督图像配准模型（SR-Net）
•     5.1.1 间隙填充层
•     5.1.2 多尺度自动上下文结构
•     5.1.3 分割图指导
•     5.1.4 损失函数
•   5.2 多光谱眼底图像（MSI）成像原理
•   5.3 实验与分析
•     5.3.1 实验环境配置
•     5.3.2 实验数据集
•     5.3.3 实验结果
•   5.4 本章小结
• 第六章 总结和展望
•   6.1 全文总结
•   6.2 下一步的研究工作
• 参考文献
• 攻读硕士学位期间的主要成果
• 致谢

文章来源

类型: 硕士论文

作者: 姜岩芸

导师: 郑元杰

关键词: 卷积神经网络,配准,海马体,核磁共振图像

来源: 山东师范大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,基础医学,计算机软件及计算机应用,自动化技术

单位: 山东师范大学

分类号: TP183;TP391.41;R338

总页数: 56

文件大小: 4260K

下载量: 231