基于多模态磁共振成像的阿尔茨海默病患者脑网络研究

基于多模态磁共振成像的阿尔茨海默病患者脑网络研究

论文摘要

随着世界人口老龄化,阿尔茨海默病(Alzheimer Disease,AD)成为老年人生命健康的重大威胁。目前AD诊断的方法主要依靠心理学量表和医生的经验进行判断,诊断准确率不高。多模态磁共振成像技术的出现给患者提供了一种无创安全的脑疾病探查手段。其中,弥散张量成像(Diffusion Tensor Imaging,DTI)可以反映脑神经纤维的密度与分布,功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)则反映了人脑神经活动情况。同时,AD的产生与脑网络异常密切相关,但目前针对脑网络的研究较少。本文将利用多模态磁共振成像数据完成脑网络的建模与探究,通过寻找正常人与AD患者脑网络之间存在的差异为AD诊断提供帮助,解决AD诊断准确率不高的问题。本文完成了脑网络的建模并对脑网络进行了探究。根据fMRI数据和DTI数据不同的物理意义,本文分别建立了脑功能连接网络和脑白质结构连接网络。脑功能连接网络可以反映脑功能之间的同步性,脑白质结构连接网络则可以反映脑区间实际存在的纤维连接情况。通过建立脑网络,本文将磁共振成像与脑网络研究联系起来。本文用图论的方法对构建的脑网络进行分析,分别提取了两种模态脑网络的节点度、节点效率、节点介数中心性三类参数。利用T检验的方法对正常人与AD患者的图论参数的差异性进行分析,将图论参数具有显著性差异的脑区挑出来作为脑网络特征。此外,本文利用支持向量机对挑选出来脑网络特征进行了合理性验证。将挑选出的两种脑网络特征作为标准,选用K折交叉验证的方法对样本数据进行训练与分类测试,两类样本均取得了较高的分类准确率。根据上述方法,本文提出了一种构建AD辅助诊断模型的设想。本文提出了一种利用深度学习对脑网络进行分析的方法。该方法可以通过自主学习找寻特征,同时也可以将多模态的脑网络进行联合探究。本文根据处理数据的特点构建了一个新的卷积神经网络框架用于分析脑网络。同时本文将脑功能连接网络与脑白质结构网络作为输入对框架进行训练及测试。通过测试集的验证,用该框架进行网络分析有较高的准确率。框架在多模态脑网络联合作为输入时准确率最高,比单一网络作为输入时效果好。根据该方法,本文提出了另一种构建AD辅助诊断模型的设想。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 课题的研究背景和意义
  •   1.2 国内外研究现状及分析
  •     1.2.1 阿尔茨海默病的临床诊断研究现状
  •     1.2.2 磁共振成像在阿尔茨海默病中的研究现状
  •     1.2.3 脑网络研究现状
  •   1.3 本文主要内容及论文结构
  •     1.3.1 本文主要研究内容
  •     1.3.2 论文结构安排
  • 第2章 磁共振成像与脑网络建模
  •   2.1 引言
  •   2.2 磁共振成像概述
  •   2.3 磁共振成像种类及原理
  •     2.3.1 多模态磁共振成像
  •     2.3.2 T1、T2 加权像的原理
  •     2.3.3 功能磁共振成像的原理
  •     2.3.4 弥散张量成像的原理
  •   2.4 脑区划分与脑图谱
  •   2.5 磁共振图像的脑网络建模
  •   2.6 本章小结
  • 第3章 脑网络图论参数特征的提取及分析
  •   3.1 引言
  •   3.2 数据的种类及来源
  •     3.2.1 影像数据来源
  •     3.2.2 磁共振影像扫描参数
  •   3.3 多模态磁共振图像预处理
  •   3.4 脑功能连接网络和脑白质结构连接网络的获取
  •     3.4.1 脑功能连接网络的获取
  •     3.4.2 脑白质结构连接网络的获取
  •   3.5 脑网络图论参数特征的提取
  •     3.5.1 图论参数的获取
  •     3.5.2 图论参数特征的提取及分析
  •   3.6 特征合理性验证与辅助诊断模型的构建
  •   3.7 本章小结
  • 第4章 基于深度学习的脑网络联合分析
  •   4.1 引言
  •   4.2 样本数据与数据增强
  •   4.3 卷积神经网络的设计
  •     4.3.1 卷积神经网络主体结构设计
  •     4.3.2 卷积神经网络其它结构设计
  •   4.4 卷积神经网络的工作流程与合理性分析
  •     4.4.1 CNN框架的工作流程
  •     4.4.2 CNN框架合理性分析
  •   4.5 脑网络联合分析与辅助诊断模型的构建
  •   4.6 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文及其它成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 王彦

    导师: 马婷

    关键词: 阿尔茨海默病,多模态磁共振成像,特征提取,网络分析

    来源: 哈尔滨工业大学

    年度: 2019

    分类: 基础科学,医药卫生科技,信息科技

    专业: 数学,临床医学,精神病学,自动化技术

    单位: 哈尔滨工业大学

    分类号: R445.2;R749.16;O157.5;TP18

    DOI: 10.27061/d.cnki.ghgdu.2019.001917

    总页数: 59

    文件大小: 1829K

    下载量: 141

    相关论文文献

    • [1].《磁共振成像》杂志2019年第10卷总目次[J]. 磁共振成像 2019(12)
    • [2].1.5T磁共振成像在膝关节损伤诊断中的应用价值评析[J]. 影像研究与医学应用 2020(02)
    • [3].多模态磁共振成像定量评估儿童非酒精性脂肪肝的价值[J]. 临床放射学杂志 2020(02)
    • [4].用磁共振成像检查对膝关节损伤患者的病情进行分类诊断的效果分析[J]. 当代医药论丛 2020(05)
    • [5].多参数磁共振成像在前列腺癌诊疗方面的研究进展[J]. 肿瘤代谢与营养电子杂志 2020(01)
    • [6].探讨磁共振成像特点与乳腺癌分子生物学特征的关系[J]. 名医 2020(05)
    • [7].《磁共振成像》杂志可以直接使用的医学缩略语有哪些[J]. 磁共振成像 2020(05)
    • [8].《磁共振成像》杂志可以直接使用的医学缩略语有哪些[J]. 磁共振成像 2020(07)
    • [9].阈下抑郁磁共振成像的研究进展[J]. 中国神经精神疾病杂志 2020(06)
    • [10].《磁共振成像》杂志官网成功改版[J]. 磁共振成像 2020(08)
    • [11].氧化铁纳米颗粒在磁共振成像中的应用[J]. 化学进展 2020(09)
    • [12].磁共振成像在肩关节撞击综合征患者中的诊断效果及价值研究[J]. 山西医药杂志 2020(20)
    • [13].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2019(01)
    • [14].心脏电子装置植入患者行磁共振成像检查的安全性[J]. 心血管病学进展 2019(01)
    • [15].复杂型先天性心脏病磁共振成像的诊断效果评价[J]. 影像研究与医学应用 2019(07)
    • [16].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2019(06)
    • [17].《磁共振成像》杂志2020年征稿启事[J]. 磁共振成像 2019(09)
    • [18].3.0T磁共振成像的特点和技术对策[J]. 影像研究与医学应用 2019(21)
    • [19].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2017(12)
    • [20].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2018(01)
    • [21].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2017(S1)
    • [22].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2018(02)
    • [23].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2018(03)
    • [24].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2018(06)
    • [25].肩关节撞击综合征诊断中磁共振成像的应用价值分析[J]. 世界最新医学信息文摘 2018(70)
    • [26].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2016(12)
    • [27].《磁共振成像》杂志2016年第7卷总目次[J]. 磁共振成像 2016(12)
    • [28].关于开通《磁共振成像》编辑部办公手机微信号的公告[J]. 磁共振成像 2017(01)
    • [29].《磁共振成像临床应用入门(第2版)》已出版[J]. 中国医学影像技术 2017(02)
    • [30].心脏磁共振成像在冠心病中的应用进展[J]. 实用医院临床杂志 2017(01)

    标签:;  ;  ;  ;  

    基于多模态磁共振成像的阿尔茨海默病患者脑网络研究
    下载Doc文档

    猜你喜欢