基于神经网络的磁共振颅脑图像分割方法的研究-生物医学工程专业论文.docxVIP

上海第二医科大学博士学位论文基于神经网络的磁共振颅脑图像分割方法的研究 上海第二医科大学博士学位论文 基于神经网络的磁共振颅脑图像分割方法的研究 中文摘要 ，一、、f作为一种新型的成像技术，磁共振成像具有软组织成像清晰和无创伤的特点，在脑功能 b 的研究方面显示出独特的魅力。随之而来，磁共振颅脑图像的三维重构、定量分析和可视化 的需求越来越多，而这些都需要更加精确的分割结果。然而，脑组织之间互相混迭在一起， 没有清晰的边界，不同个体之间的差异性较大，再加上在成像过程中磁场的不均匀性、部分 容积效应以及噪声的影响，都会造成磁共振图像内在的不确定性，导致磁共振颅脑图像的分 割问题显得非常地复杂和困难。因此，磁共振颅脑图像分割成为当前医学图像研究领域的一 吖 个热点l本文主要研究了神经网络技术在磁共振颅脑图像分割中的应用问题。 ~／ 目前，在磁共振图像分割方法中，最常用的神经网络是BP神经网络。BP神经网络的 学习算法类似于梯度下降算法。在训练过程的初期，算法收敛很快；当接近极值点时，算法 的收敛速度急剧下降，有时还容易陷入局部最优点。针对BP神经网络学习算法存在的缺陷， 本论文采用全局最优搜索算法——谴传算法改进神经网络的学习算法，生成了新的遗传神经 网络多谱磁共振图像分割方法。实验结果证明，新算法的抗噪声能力和模糊信息的处理能力 都强于BP神经网络。 ———文f本文中，考虑到影响颅脑磁共振图像分割质量的主要因素是噪声和边缘模糊，为了提高 BP神经网络磁共振颅脑图像分割算法的抗模糊能力，在神经网络中引入模糊逻辑。通过输 入数据的模糊化，提高了算法对边界不清晰图像的分割质量。同时，利用VHD提供的横断 面磁共振颅脑数据，对模糊神经网络和BP神经网络分割方法的学习效率进行了对比实验， 实验结果表明模糊神经网络显著提高了分割算法的学习效率。 神经网络参数选择的好坏直接影响分割算法的性能，在输入层和输出层节点数目确定的 情况F，中间层节点数目的选择尤为重要。本文中，借助磁共振图像分割算法的评价结果， 指导神经网络中间层节点数目的选择。 本文中，对典】：fJ!的磁共振颅脑图像分割算法分割噪声羽I模糊测试图像的结果，进行了定 姑客观的评价，住评价过程中采_【{{了统计学方法。根据不同数据集的特点，当比较两种算法 的性能时，采州配对t检验方法；当评价多种算法的分割性能时，采J_IJ Friedman随机区组 检验方法。实验坌占果说明：GANN算法的分割效果要好丁其它常Hj算法．MLM算法因为需 ．1V． 上海第二医科大学博士学位论文要待分割图像分布的先验知识，对于象磁共振颅脑图像这样，总体分布不确定图像的分割效 上海第二医科大学博士学位论文 要待分割图像分布的先验知识，对于象磁共振颅脑图像这样，总体分布不确定图像的分割效 果比其它算法差。FNN和BP算法相比，通过引入模糊逻辑，显著地改善了分割算法的抗模 糊能力。 最后对本文的l‘作进行了总结并对论文的后续工作进行了讨论。y77 ／ -V． 上海第二医科大学博士学位论文The 上海第二医科大学博士学位论文 The Study of Segmentation Methods of Head MRI Based．On Neural Net-works Abstract As a new imaging technique，MRI plays an important role in research ofbrain function due to its non-invasion and clear soft tissue imaging．Along with more demand for 3D reconstruction， quantitative analysis and visualization，the more precise segmentation of head MRI is required． Whereas，the segmentation of MR head image will be much more complex and difficult because of the following factors：1)indistinct boundaries between brain tissues due to their overlapping and penetrating with each other 2)variance in brain structures among individuals．3)intrinsic uncertainty of MR images induced by heterogeneity of magnetic field，p