论文总字数：17085字

摘 要

基于结构性磁共振图像(Structural magnetic resonance imaging ,SMRI)数据的脑疾病诊断是计算机辅助诊断领域的重要方向，对医疗健康、计算机科学等领域都有着巨大的意义。本次论文将对SMRI脑图像进行分析与处理，以阿尔兹海默症早期诊断为例，对本文方法的有效性进行了验证。首先通过FSL(FMRIB Software Library)对SMRI数据进行线性配准、颅骨剥离等预处理操作；然后选取大脑组织海马体作为感兴趣区域，并使用FSL进行提取，最后通过深度学习技术中的卷积神经网络(Convolutional Neural Network, CNN)，构建了一个由4个卷积层、3个池化层、1个全连接层组成的3DCNN模型来对数据进行训练以及分类，得出分类准确率。将本文的方法在ANDI数据库上进行了仿真实验，在ADvsCN实验上的分类正确率达到65%，在ADvsMCI实验上的分类准确率达到70%，在MCIvsCN实验上的分类准确率达到60%。

关键词：结构磁共振图像 阿尔兹海默症 医学图像处理 深度学习

Research on the diagnosis method of brain diseases based on MRI data

Abstract

Brain disease diagnosis based on SMRI (structural magnetic resonance image) data is an important direction in the field of computer-aided diagnosis, which is of great significance to medical health, computer science and other fields. This paper will analyze and process the brain images of SMRI, and take the early diagnosis of Alzheimer's disease as an example to verify the effectiveness of this method. Firstly, the pretreatment of SMRI data, such as linear registration and skull stripping, was carried out by FSL(FMRIB Software Library). Then the hippocampus, a brain tissue, was selected as the area of interest and FSL was used to extract it. Finally, through the CNN(convolutional neural network) in deep learning technology, a 3DCNN model consisting of 4 convolutional layers, 3 pooling layers and 1 full connection layer is constructed to train and classify the data and obtain the classification accuracy. The method in this paper was simulated on ANDI database, and the accuracy of AD vs CN can reached 65%, the accuracy of AD vs MCI can reached 70%, the accuracy of AD vs CN can reached 60%.

Key Words: SMRI;Alzheimer's disease;Medical image processing; Deep Learning

目录

摘要 I

Abstract II

第一章 绪论 1

1.1课题的研究背景和意义 1

1.2 脑疾病国内外研究现状 2

1.3 实验数据库介绍 4

1.4研究主要内容和结构安排 4

第二章 MRI脑图像数据预处理 6

2.1实验研究软硬件环境 6

2.2 MRI数据预处理 6

2.1.1预处理方法 7

2.3本章小结 12

第三章 SMRI数据海马体提取 13

3.1海马体提取 13

3.1.1海马体先验知识 13

3.1.2特征提取方法 14

第四章 基于SMRI数据的脑疾病诊断 16

4.1 深度学习介绍 16

4.2卷积神经网络 16

4.2.1 3DCNN网络模型 18

4.3实验分析与结果 19

第五章 总结与展望 25

5.1 论文总结 25

5.2系统评价 25

5.3 展望 26

致谢 27

参考文献 28

第一章 绪论

1.1课题的研究背景和意义

阿尔兹海默症^[1](Alzheimer’s disease,简称 AD)是现如今社会上会对老年人身体健康产生严重危害的脑疾病之一。根据对阿尔兹海默症医学上的研究，越早发现并积极配合治疗能够有效的延缓疾病的病发过程。医学界一般将阿尔兹海默症的发展过程划分为3个阶段：第一阶段是症状前AD，第二阶段被称作轻度认知障碍(mild cognitive impairment,简称MCI),第三阶段最终会转变成AD。阿尔兹海默症患者临床表现基本为记忆障碍、失语、行为障碍等痴呆特征表现出来。因此，阿尔兹海默症的早期诊断的研究结果对治疗或者延缓AD的发展有着十分重要的帮助。如下图1-1所示。

图1-1阿尔兹海默症患者脑部变化

近几年来，社会老龄化程度不断加深，阿尔兹海默症对老年人身体健康产生的危害逐渐加重。如图1-2所示，阿尔兹海默症不仅对患者本身是种折磨，对于患者的家庭，无论是经济上还是情感上都会造成巨大的打击。随着医学影像技术的不断发展，磁共振技术的日渐成熟，为研究AD等精神疾病提供了有效的帮助。由于ADNI等数据库的出现，基于MRI图像的纵向研究数量有所增加，这使我们能够更好地分析和模拟该病的进展及其对个体的脑萎缩情况的影响。我们平常所知结构磁共振成像（SMRI），SMRI具有不会对患者身体造成创伤、在空间里成像分辨率高等特点。SMRI能够清楚的辨别出脑组织是否发生了结构上的变化，例如萎缩、变形等，SMRI的应用对于阿兹海默症的早期诊断不仅可以有效减轻疾病对患者及患者家属带来的危害，还对老年人的生活，对尊老爱幼的社会都有着十分重要的意义。

请支付后下载全文，论文总字数：17085字