【摘 要】
：
前列腺癌多年居于全球男性癌症发病率的首位,随着人口老龄化进程的加快以及经济的发展,中国男性前列腺癌患者数量呈现快速增长的趋势。动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）是一种能够反映组织生理学信息的非侵入性的影像学检测手段,通过药代动力学模型的拟合可获得与组织生理特性相关的量化参数,可用于良恶性
论文部分内容阅读
前列腺癌多年居于全球男性癌症发病率的首位,随着人口老龄化进程的加快以及经济的发展,中国男性前列腺癌患者数量呈现快速增长的趋势。动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）是一种能够反映组织生理学信息的非侵入性的影像学检测手段,通过药代动力学模型的拟合可获得与组织生理特性相关的量化参数,可用于良恶性病变的辅助诊断。由于作为模型输入信号的真实的主动脉输入函数（arterial input function,AIF）无法获取,普遍使用髂动脉血管区域对比剂浓度、人群AIF等假设或近似信号代替,其准确性影响量化分析的结果。鉴于此,本文的研究目标为采用不同于传统DCE-MRI数据分析的思路,提出数据驱动的研究思路,采用基于盲源分离算法估计前列腺DCE-MRI数据中的AIF。论文主要完成的工作如下:（1）采用重参数化方法将DCE-MRI数据转换公式的非线性拟合过程简化为线性拟合过程。针对图像噪声影响对比剂浓度的计算结果,使用改进的信号强度对比剂浓度转换方式,将前列腺区域体素的信号强度时间曲线转换为对比剂浓度时间曲线。通过对转换公式的重参数化,将转换公式涉及非线性拟合问题改为直线拟合问题,降低了数据拟合的难度,减少了噪声所致异常值对浓度转换的影响。（2）引入基于凸几何分析的盲源分离算法,采用数据驱动的研究思路估计AIF。针对基于最小误差的降维方式所致的不符合物理实际意义结果,本文在重建信号非负性约束下改用基于非负矩阵分解的降维方式。采用基于最小包围单形体体积算法的盲源分离算法估计AIF,针对算法对噪声敏感的问题,本文采用松弛因子与正则项这两种方法使估计的单形体更接近真实源信号构成的单形体,实验结果证明改进的算法更具有抗噪声干扰性。（3）提出改进的线性混合药代动力学模型,解决了上述算法所用的线性混合模型与前列腺DCE-MRI广泛使用的extended Tofts-Kermode模型等模型的不适用性问题。本文采用基于算法估计的源信号的量化分析,避免了传统逐体素量化分析方式的高计算量的情况,并且通过构造的模拟数据以及实际数据的量化参数的良恶性的差异性间接方式验证算法的可行性以及准确性。模拟数据结果表明改进的算法对噪声具有健壮性,实际数据的分析结果表明本算法在前列腺良恶性病灶分类任务中的有效性。根据上述结果,本论文可得出如下结论:基于数据驱动的研究思路,采用基于盲源分离算法可以从前列腺DCE-MRI数据中得出具有AIF特点的盲源成分;采用改进的线性混合药代动力学模型,定量的药代动力学参数能够准确地区分良性和恶性的前列腺病灶。
其他文献
文本分类是自然语言处理中一个基础且至关重要的任务,在情感分析、舆情监测、新闻过滤等方面有广泛的应用。传统的卷积神经网络、循环神经网络等模型缺乏获取非连续长距离语义信息的能力,而且无法处理文本的语义树、句法树等非线性结构数据,最近提出的图卷积文本分类模型可以较有效地解决上述问题。但现有的图卷积文本分类模型还存在以下不足:（1）现有的单通道空域图卷积模型未能有效地利用文本的语义、句法等隐含信息,限制了
在科学技术发展不断推进的同时,电子设备的应用也更加广泛,图像已经成为数字信息时代中的重要资源,但是随着编辑软件的普及使得图像的真实性面临巨大风险。近几年来,政治时事、军事国防、学术研究等领域的图像造假事件屡见不鲜。为了打击不法分子的图像篡改行为,数字图像取证技术开始逐渐发展起来。操作取证是图像取证领域的重要分支,其中对比度增强操作是最为普遍且高效的图像编辑方法,并且常被篡改者用来消除伪造图像中视觉
激光选择性熔化（Selective Laser Melting,SLM）技术是一种新型的增材制造技术,其成型原理是利用高能量密度的激光输入能量,根据预先设定的轨迹进行扫描,使粉末材料有序熔化,形成熔池,再经冷却凝固成型,SLM技术由于可以快速成型出力学性能良好,且具备较高致密度的复杂金属零件而得到快速发展,但该工艺仍然存在一定缺陷,如难以成型较大尺寸零件,且成型件内部存在残余应力以及翘曲变形程度大
图像数据在人们日常的沟通和交流中不可或缺,然而图像在传输和接收等过程中,往往会因为硬件设备等原因受到噪声的干扰,这会降低图像的质量,并影响后续对图像的处理与分析。因此,去除图像噪声至关重要。目前,如何在去除噪声的同时保护图像的纹理细节仍是亟待解决的问题。近年来,稀疏表示理论的兴起使图像去噪取得了较大的突破。因此,本文以稀疏表示理论为基础,对稀疏变换学习图像去噪算法以及组稀疏残差约束图像去噪算法进行
多标签文本分类是自然语言处理领域的一项重要任务,它旨在将一段文本内容分给一个或者多个类别。这一任务的难点主要在于标签的数量庞大,并且标签呈现出不均衡的长尾分布,即大量尾标签的出现次数远远少于小部分的头标签。尽管相较于传统的方法,基于神经网络的方法能够提取到更丰富的文本特征,并提升分类的性能。但是这些方法通常假定标签之间相互独立,不能充分利用标签中包含的信息,例如标签之间的相关性。然而标签之间通常具
在现如今的互联网世界中,多视图数据呈现出爆发式增长的趋势,如何高效地挖掘多视图数据中的信息并服务于大众已经成为学术研究众多问题之一,其中多视图数据的表示学习也是一大热点。多视图数据是指通过不同的视角、不同的形式对同一个对象的客观反映的数据集合。多视图数据有两个显著的特点:一致性和互补性,不同的视图往往反映一致对象的互补特性,因此通过观测多视图数据能够更加充分的理解对象的特点。除此之外,多视图数据也
中医是重在调理、以预防为主的独特的传统医学,经过代代传承至今。经典医案作为当今中医的成功案例被各大期刊杂志记载,能够对临床诊疗提供理论支撑。但在临床应用上,由于不同医生对概念表达多元化,局限于过去构建的概念库,难以将新的表达对应到已有的概念上。因此,进行症状的概念映射成为获取患者特征的关键步骤。来自古现代中医书籍等多渠道的知识,所构建的知识图谱能够建立症状,药物等之间的关系。本文基于较大规模的医案
随着互联网的飞速发展,缓存技术（caching）的应用范围越来越广,从最初的操作系统和CPU,到如今的服务器和边缘节点。随着边缘计算等概念的相继出现和普及,缓存有了更丰富的应用场景和落地方式。通常来说,对于热点内容的缓存能减少不必要的开销并提升效率。在边缘计算场景下,利用边缘节点靠近用户的特点,预先在边缘节点中缓存热门视频,能缩短用户获取视频的时间,大幅提升用户体验。然而,热门视频可能会有很多,单
基于人脑磁共振图像的个体认知参数定量估计一直是认知神经科学领域的一个研究热点,这类研究不仅可以探究大脑结构和功能的个体差异性,也有助于神经精神类疾病的辅助诊断与早期预警。然而目前大部分研究都是基于单标签技术而不是多标签技术,而多标签学习考虑了标签之间的相关关系,可以提供更丰富的信息,从而提高预测的准确率。目前的个体认知参数定量估计研究大多还是基于静息状态功能磁共振图像（fMRI）开展的,近期研究表
视频目标分割是指将视频序列每一帧中感兴趣的目标区域从背景中分离出来。其中,无监督视频目标分割需要在未给定任何目标信息的前提下,将特定前景目标进行分离,因此成为当前的研究热点和难点。另外,视频序列的复杂性和多变性对无监督视频目标分割的准确性提出了更高的要求。因此,如何充分发掘并有效利用视频序列中丰富的信息以实现更为准确的无监督视频目标分割具有非常重要的研究价值。本文重点研究了如何充分利用视频序列中的