基于圖像信息融合的阿爾茨海默氏癥計算機輔助診斷算法研究.pdf

1、阿爾茨海默病通常起病隱匿，病程緩慢且不可逆，臨床上以智能損害為主。由于腦細胞損傷和死亡具有不可逆性，而醫(yī)學界迄今仍未找到能有效治療該病癥的方法，因此阿爾茨海默病的早期診斷和前期預測變得尤為重要。隨著神經(jīng)影像學的發(fā)展和成熟，影像技術(shù)在腦部病變的輔助診斷中起到了越來越重要的作用。本文針對基于圖像信息融合的阿爾茨海默氏癥計算機輔助診斷算法問題展開研究。
　　 針對MRI或PET單模圖像對阿爾茨海默病分類正確率不高的問題，本文提提出一種

2、MRI和PET3D圖像信息融合方案，實現(xiàn)與阿爾茨海默病密切相關(guān)的腦部區(qū)域的準確分割，有助于AD疾病的預防及早期診斷。該方案主要包括:獲取研究對象、圖像配準、圖像信息融合、特征提取和特征分類5個部分。
　　 本文所有的數(shù)據(jù)都來自于ADNI數(shù)據(jù)庫，選取健康個體及患病個體共87個，年齡段分布在60-90歲之間，下載的數(shù)據(jù)包括個體的PET圖像及對應(yīng)的MRI圖像。
　　 對于圖像配準問題，由于圖像配準的質(zhì)量是決定圖像特征數(shù)據(jù)的完整

3、度及準確性的關(guān)鍵因素，所以使用適當?shù)膱D像配準方法至關(guān)重要。本文在線性配準中使用了仿射變換;在非線性配準中使用了Log-Domain-Demons配準。經(jīng)過線性變換及非線性變換后的圖像在大小、空間位置、方向及紋理細節(jié)上都得到了較高的匹配，為后續(xù)的分割及特征提取打下了基礎(chǔ)。
　　 對于圖像信息融合問題，由于我們配準的精度較高，因此這里直接采用像素級融合中的加權(quán)平均法對MRI和PET3D圖像進行融合，即對配準后的MRI圖像和同一個體的

4、PET圖像的每個體素灰度值加權(quán)平均，并對不同權(quán)系數(shù)的融合結(jié)果進行了對比。
　　 對于特征提取問題，本文在MRI圖像特征采集上，即不計算組織密度值，也不直接使用灰度值，而是利用圖像間配準的形變場，形變場對解剖結(jié)構(gòu)差異的描述更直觀更準確。在提取PET圖像特征時，我們先將其互配準到同一個體的MRI圖像上，這樣提取出的PET圖像特征既反應(yīng)了腦結(jié)構(gòu)差異，又反應(yīng)了PET圖像本身具有的功能信息，使得對AD病理的分析更加準確。
　　 對