基于三維重建和機器學習的輕度認知障礙輔助診斷研究.pdf

1、隨著全球老年化問題的日益嚴重,阿茲海默癥(Alzheimer’s Disease,簡稱AD)患者的增多成為了一個嚴重的社會問題。核磁共振成像是研究和診斷阿茲海默癥的主要方法之一,隨著近年來計算機圖形學、數(shù)字圖像處理、機器學習領域的快速發(fā)展,核磁共振成像的研究價值被進一步的發(fā)掘,這些成果對于阿茲海默癥的診斷和預防起著非常顯著的積極影響。
　　相比于CPU運算速度在近些年來已經(jīng)到達了極限狀態(tài),GPU的運算速度的提升非常顯著。同時,隨著

2、人們對于計算機成像的真實感要求越來越高,圖形編程技術也越來越靈活。一個方向上的多個MRI圖像可以通過三維重建被還原為具有真實感的三維圖像,這將有利于診斷者得到對大腦更為直觀的觀察。本文對作者編寫的基于現(xiàn)代顯卡的Raycasting三維重建軟件進行了介紹,詳細闡述了其中涉及到的算法和實現(xiàn)細節(jié)。
　　另外,本文還介紹了Freesurfer的主要處理流程。Freesurfer是一個強大的腦部皮層重建軟件,它能夠通過分析核磁共振的圖像序列

3、而得到大腦皮層的較為精確的三維空間表示,從而得到各個不同區(qū)域的皮層厚度。由于阿茲海默癥和輕度認知障礙的主要特征表現(xiàn)為腦部皮層的萎縮,最終可以反映到腦部皮層的幾何特征的變化。因此,基于此病理學的分析,可以通過皮層厚度來輔助診斷患者是否已經(jīng)患病。Freesurfer的整體處理流程非常復雜,本文介紹了其中較為復雜的活動變形算法和白質分割部分。
　　使用機器學習算法來實現(xiàn)阿茲海默癥的自動診斷是近年來的研究熱點。對于特征選取問題,本文選擇使