基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型

基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型

ID:22273026

大小:54.50 KB

页数:6页

时间:2018-10-28

基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型_第1页
基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型_第2页
基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型_第3页
基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型_第4页
基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型_第5页
资源描述:

《基于 contourlet 提取纹理建立早期 ad 的高斯过程预测模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于Contourlet提取纹理建立早期AD的高斯过程预测模型-->引言许多研究表明,以MRI检查中海马的萎缩是区分AD与正常老年人患者的指标,敏感度可以达到70%以上[8-13],内嗅区皮质萎缩较海马萎缩先出现,因此其可作为更敏感的AD早期预测指标,但是内嗅皮层区域较难分割出来。然而,MRI辅助诊断也存在一定的局限性。海马和内嗅区皮质萎缩也可出现在其他类型的痴呆中,如Parkinson病,尤其是伴有痴呆的Parkinson患者。因此海马及内嗅皮层的萎缩尚不能作为诊断AD的特异性标志[14]。AD型痴呆的诊断仍需依靠相关生物标志物

2、,如Aβ蛋白沉积及tau蛋白异常修饰,神经精神量表评估分值,以及影像学特征。为从更全面的角度来分析脑结构本质特征,本课题组考虑引入相关感兴趣区域(包括海马,内嗅皮层区域)的纹理值参数,并且结合基于体素的形态学参数(voxel-basedmorphometry,VBM),从图像的内部本质方面出发,建立早期AD诊断模型。通过提取脑部图像微观纹理特征建立预测模型辅助诊断AD,近年来已成为学者们重点关注的热点问题之一。图像纹理是一种图像中普遍存在且难以描述的特征,是指在图像中反复出现的局部模式和排列规则。图像某一位置的纹理特征与这一位置周

3、围灰度值变化规律密切相关[15]。......2资料与方法2.1资料描述ADNI研究计划为一项多中心跨学科纵向队列研究,所涵盖的学科类别包括神经内科、神经影像学、神经病理学、分子生物学、遗传学、信息科学以及生物统计学等。对于各学科之间的协调组织由各学科的研究人员负责,RI和PET数据是主要的神经影像学数据。MRI主要的生物标志物是脑萎缩,PET的生物标志物是葡萄糖代谢的18F⁃FDG以及Aβ蛋白。基因方面的生物标志物主要是载脂蛋白E基因(ApoE)。血生化指标包括Aβ和tau蛋白。ADNI研究计划为一项多中心跨学科纵向

4、列研究,所涵盖的学科类别包神经内科、神经影像学、神经病理学、分子生物学、遗传学、信息科学以及生物统计学等。对于各学科之间的协调组织由各学科的研究人员负责,RI和PET数据是主要的神经影像学数据。MRI主要的生物标志物是脑萎缩,PET的生物标志物是葡萄糖代谢的18F⁃FDG以及Aβ蛋白。基因方面的生物标志物主要是载脂蛋白E基因(ApoE)。血生化指标包括Aβ和tau蛋白。2.2图像资料本次研究中首先选择受过专业训练的两名实验员手动划分感兴趣区域,这两名实验员均在影像科医生的指导下完成感兴趣区域的手动分割。采用区域增长法对

5、MRI图像中海马区域进行分割。区域增长算法法是一种广泛应用于图像处理领域的分割方法[42]。区域增长法的基本思想是将具有相似性质的区域集合起来。具体先对每个需要分割的区域找一个种子像素作为生长的起点,然后将种子像素具有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素当做新的种子像素继续进行上面的过程,直到再没有满足条件的像素可被包括进来,这样一个区域就长成了。区域增长法的分割方法主要有两种,一种是给需要分割的目标物一个种子区域,再将种子区域周围的像素点加入其中,将所有像素点形成一个区域。3研究结果...........

6、.....293.1模拟分析结果..................293.2实例分析结果...........324讨论....................805结论...................834讨论4.1纹理特征值对预测模型影像的探讨本课题组前期的研究已经证明Contourlet变换具有较好的图像处理的能力,所以本研究采用Contourlet变换处理脑部MRI图像,并且基于灰度共生矩阵计算纹理值参数。对于纹理参数的解释,常有以下几种解释,能量(Energy)反映了图像纹理灰度分布均匀与精细程度。对比度(Con

7、trast)反映了图像纹理的清晰和深浅程度。相关性(Correlation)反映灰度共生矩阵各个元素在行列方向上的相似程度,可以反映图像局部灰度相关程度。当灰度共生矩阵元素值分布均匀相等时,相关性的值就大,相反则相关性值小。熵(Entropy)是图像包含信息量的度量,纹理信息属于图像信息的随机性度量。熵值较小表示的是共生矩阵中所有元素分布具有最大的随机性,矩阵中的所有值几乎相等,熵值较大则表示灰度共生矩阵的元素分布不具有随机性,即表示纹理分布不均匀,且纹理分布较为复杂。逆差(IDM)反映图像纹理的同质性,可以反映图像纹理局部变化况

8、。其值大则说明图像纹理在不同区域的变化较少,在各不同区域分布非常均匀。本研究中,根据单因素分析结果,相关性纹理值基本每个子代在三组中的差异均有统计学意义,说明海马区域局部灰度相关性在三组中的差异较大。4.2建模方法的探讨预测模型的选择往往在一定程度

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。