阿尔茨海默症中海马体子区域形态学分析

《阿尔茨海默症中海马体子区域形态学分析》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、分类号：密级：ＵＤＣ：编号：工学硕士学位论文阿尔茨海默症中海马体子区域形态学分析硕士研究生：肖玉芬指导教师：梁洪讲师学科、专业：生物医学工程论文主审人：李金教授哈尔滨工程大学２０１８年３月分类号：密级：公开UDC：编号：工学硕士学位论文阿尔茨海默症中海马体子区域形态学分析硕士研究生：肖玉芬指导教师：梁洪讲师学位级别：工学硕士学科、专业：生物医学工程所在单位：自动化学院论文提交日期：2018年1月论文答辩日期：2018年3月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheD

2、egreeofM.EngMorphometricAnalysisofHippocampalSubfieldsinAlzheimer'sDiseaseCandidate:XiaoYuFenSupervisor:LecturerLiangHongAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:BiomedicalEngineeringDateofSubmission:Jan.2018DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity

3、阿尔茨海默症中海马体子区域形态学分析摘要阿尔茨海默症（Alzheimerdisease，AD）在是一种慢性病，它的临床特征一般表现是认知障碍，在老年疾病中是最为常见和高发性的。轻度认知功障碍(MildCognitiveImpairment，MCI)也是一种认知障碍疾病，它是介于正常老人和痴呆之间。现阶段，因为AD发病过程缓慢，在开始发病早期阶段的临床症状不是很明显，一旦患者出现了明显的认知障碍时，很多状况下已经进入晚期而无法进行有效的治疗。面对这种情况，AD的早期诊断预测，可以延缓疾病进展，成为近年来研究和关注焦点。当前研究的一个基本瓶颈是需要人工交互画出图像中的子场边界

4、。这严重限制了可以分析的数据量，因为在超高分辨率图像中手动划分子域是一个极其耗时的过程。此外，人工绘制受到观察者内部和观察者之间的差异性的影响，这混淆了随后对结果的统计分析。因此，本文提出了一种基于贝叶斯模型的自动分割算法，用于该算法的离体图谱构建，和传统体内图谱相比，离体图谱能显著提高分割结果精确度。具体工作如下：（1）在ADNI数据库中选取310例图像数据，包括阿尔茨海默症患者、轻度认知障碍患者和健康对照组的TI加权的MRI脑图像。其中55例AD、180例MCI和75例CN。以及样本的两个临床量表（MMSE和ADAS-Cog）评分结果、年龄、性别和受教育程度等人口统计

5、学信息。（2）将选取的T1图像进行基于可变性点阵模型BSE(BrainSurfaceExtractor)算法的颅骨剔除。对于颅骨剔除后的图像，按照建立的图谱中各个脑区的体积位置，对图像每个灰质体素进行解剖学标记，用于填充皮质下层结构以创建皮质层下质量。然后图像进行强度归一化，即对所输入图像的灰度值进行归一化。使每个输入的T1图像与建好图谱进行刚性配准，使每个图像都处在一个基准点上。最后，针对左右脑进行表面提取，通过提取粗糙表面轮廓和平滑处理后获得分割结果，并对分割结果脑区标签化。（3）基于海马解剖统计图谱和MRI数据生成模型的全自动方法来实现海马子域的分割。首先，实现图谱

6、集构建。建立统计图谱集的磁共振成像数据是由离体和体内MRI训练数据组合而成的，以及建立图谱集的数学框架包括基于四面体网格表示的基础模型，并引入贝叶斯算法对四面体网格进行参数优化来实现。其次，使用构建的图谱分析体内MRI扫描的分割算法。该方法侧重于模拟海马分区和周围大脑结构（即基础分割）的空间分布，从标记的训练数据中学习。实现体内MRI海马的自动分区。（4）对实验结果的统计分析，研究海马体各子域的体积与AD的关系。对本文工作内容作了简单的总结，结果表明，AD患者、MCI患者与健康人相比，海马体整体体积有明显的萎缩，具体表现为海马体的各子域体积都存在不同程度的萎缩，为AD早期

7、诊断具有重要的意义。并对未来的研究进行了展望。哈尔滨工程大学硕士学位论文关键词：阿尔兹海默症；轻度认知障碍；海马子域；自动分割；统计分析阿尔茨海默症中海马体子区域形态学分析AbstractAlzheimer'sdisease(AD)isachronicdisease.Itsclinicalmanifestationsaregenerallycognitiveimpairments,anditisthemostcommonandhigh-gradeinelderlydiseases.MildCognitiveImpairment