论文部分内容阅读
化学交换饱和转移(Chemical exchange saturation transfer,CEST)是一种新兴的磁共振成像技术,它对代谢物的化学交换非常敏感。这项技术通过对特定分子中的可交换质子施加饱和脉冲标记,该饱和信号经化学交换传递至水并放大,最终通过水信号的变化来间接检测该类分子。但是,由于CEST饱和图像信噪比较低且易出现伪影,损伤区域无法仅通过信号阈值提取。而人工勾画对于大规模影像数据的人工提取将是一个极其耗时且容易出错的过程。本文使用不同的像素聚类方法对各类CEST图像进行损伤区域的自动提取,并初步探索了根据聚类结果进行脑中风大鼠模型的自动检测方法。本文在经过B0场校正和图像配准的24小时和6小时脑中风大鼠高场CEST磁共振影像数据基础上,分别选取了其中的S0图像、MTRasym和Z谱原始饱和图像,通过不同的像素聚类方法来实现大鼠脑损伤区域的自动化提取。研究工作的主要内容如下:(1)基于K-Means像素聚类的大鼠脑部损伤区域分割方法,实现对24小时大鼠图像的脑部分割和损伤区域提取。在聚类过程中,通过G值最优化方法计算出最佳的聚类数目。最后利用二维相关系数量化了各ppm图像之间以及与金标准分割结果的相似性。(2)基于模糊C-Means(FCM)聚类的大鼠脑部损伤早期成像提取方法,对损伤区域不明显的6小时大鼠图像实现病灶的分割。文章不仅对比计算了6小时和24小时大鼠图像分割结果的相似度,证明FCM算法能够对6小时大鼠图像实现有效的病灶提取。文章还通过比较FCM和K-Means两种聚类算法分割结果的相似度来侧面说明FCM的优越性。(3)基于支持向量机的大鼠脑损伤早期CEST成像预测分类。通过非下采样轮廓波变换(Non-sampling contourlet transform,NSCT)和支持向量机(Support vector machine,SVM),在学习了24小时图像数据的基础上,对6小时正常或异常的大鼠CEST-MRI脑图像进行自动预测分类。通过对比不同核函数SVM的分类性能,发现高斯径向基核SVM能够更准确的对早期CEST数据进行预测。文章通过一系列的实验分析,充分证明了所提出的各种方法在对大鼠CEST-MRI图像的分割和预测上取得了良好的效果,为今后开展临床检测的相关工作提供了一定的理论依据。