2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、阿爾茲海默?。ˋlzheimer Disease, AD),是一種進行性發(fā)展的致死性神經(jīng)退行性疾病,是老年癡呆的主要致病原因。阿爾茲海默病一旦確診,幾乎不可治愈,只有在腦部病變早期階段的時候,通過早期識別診斷后加以干預(yù)治療才能有效的遏止病癥進一步惡化。因此,老年癡呆癥的早期自動識別研究具有重大臨床實用意義。
  本文在重慶大學(xué)中央高??蒲谢鸷团c西南醫(yī)院合作項目的資助下,進行了基于腦磁共振(MR)圖像左右腦不對稱特征的阿爾茲海默病

2、自動識別方法研究,該方法根據(jù)阿爾茲海默病患者的腦部相關(guān)組織發(fā)生萎縮,導(dǎo)致左右腦相關(guān)解剖結(jié)構(gòu)的不對稱性發(fā)生改變這一病理特性,提出了提取這些解剖結(jié)構(gòu)的形狀和紋理特征作為不對稱性特征,并選擇出其中最能表征其病變指標的最優(yōu)特征子集來用于老年癡呆的早期自動識別的方法。筆者用此方法對西南醫(yī)院的病人圖像進行機器自動識別測試,并與專家自動識別進行對比,結(jié)果表明了本文的自動識別方法具有明顯有效性。
  論文的主要研究工作如下:
 ?。?)研究

3、并提取出腦磁共振圖像中多種類型的不對稱性特征來表征大腦的左右腦不對稱性;
 ?。?)研究并提出了一種基于假設(shè)檢驗和遺傳算法的混合式特征選擇方法,按此方法選擇出了能夠有效表征阿爾茲海默病病變過程的最優(yōu)不對稱性特征用于對圖像的分類識別;
  (3)結(jié)合以上成果,研究并提出了一種基于腦磁共振圖像腦不對稱特征的阿爾茲海默病自動識別方法,能夠同時對正常人、輕度認知障礙患者和阿爾茨海默病患者三類人群的腦圖像進行分類識別,并用此方法對來自

4、醫(yī)院的三類人群的腦MR圖像進行分類識別,給出了詳細的實驗結(jié)果和分析。
  本文的研究有助于研究不對稱性特征與腦部早期病變過程的關(guān)系,為實現(xiàn)老年癡呆癥早期自動識別奠定新的理論基礎(chǔ)和技術(shù)方法,具有重要的理論和現(xiàn)實意義。此外,本文的研究有助于為評估病變過程中的不同階段提供可靠的評價指標,對實現(xiàn)老年癡呆癥的動態(tài)監(jiān)測也具有極大幫助。
  本文結(jié)構(gòu)如下:第一章緒論,介紹本課題的研究背景與意義,相關(guān)技術(shù)的發(fā)展和目前國內(nèi)外的研究現(xiàn)狀以及本文

5、的主要研究內(nèi)容;第二章介紹醫(yī)學(xué)圖像識別技術(shù)基本原理,包括醫(yī)學(xué)圖像識別技術(shù)的概念,處理流程和主要技術(shù);第三章具體介紹了本文阿爾茲海默病自動識別方法中腦 MR圖像預(yù)處理的流程和方法;第四章主要介紹本文識別方法的腦 MR圖像的不對稱特征的組成和提取方法;第五章主要介紹本文識別方法的最優(yōu)不對稱特征組合的選擇方法和基于選擇的最優(yōu)特征組合對醫(yī)學(xué)圖像進行分類識別的驗證實驗及結(jié)果分析;第六章為總結(jié),對論文的研究工作及取得的研究成果進行總結(jié),并展望課題下

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論