基于多模磁共振图像的前列腺医学影像组学分析

目录

声明

致谢

中英文对照缩略词表

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于手工特征的前列腺医学影像组学分析研究现状

1.2.2 基于深度学习的前列腺医学影像组学分析研究现状

1.3 数据集介绍

1.4 本文研究内容与结构安排

1.4.1 本文研究内容和目标

1.4.2 本文结构安排

2 多参数磁共振成像的诊断学价值和功能性参数计算

2.1 T2WI成像的诊断学价值

2.2 DWI成像的诊断学价值及ADC系数计算

2.2.1 DWI 成像的诊断学价值

2.2.2 ADC 系数计算

2.3 DCE成像的诊断学价值及药代动力学参数计算

2.3.1 DCE 成像的诊断学价值

2.3.2 药代动力学模型

2.3.3 药代动力学模型求解

2.4 本章小结

3 基于手工特征的前列腺影像组学分析

3.1 模态间的ROI映射

3.2 多模态特征提取

3.2.1 一阶统计特征

3.2.2 形状特征

3.2.3 纹理特征

3.2.4 药代动力学特征

3.3 特征选择和分类器设计

3.4 实验结果及分析

3.5 本章小结

4 基于深度学习的前列腺影像组学分析

4.1 CNN分类网络模型

4.1.1 CNN 网络基本单元

4.1.2 CNN 分类模型

4.1.3 调整CNN 网络结构

4.2 图像预处理及数据扩增

4.3 迁移学习

4.3.1. 特征提取器

4.3.2. 微调CNN 模型

4.4 多模态特征融合

4.5 训练策略

4.5.1. 预训练模型

4.5.2. 迁移预训练模型的单模态分类

4.5.3. 迁移预训练模型的多模态分类

4.6 实验结果及分析

4.6.1 单模态分类结果及分析

4.6.3 多模态分类结果及分析

4.7 本章小结

5 结论

5.1 工作总结

5.2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集