FREE TELL

全国免费服务热线

当前位置:118期刊网  >  毕业论文 >  关于医学毕业论文样本选择2

关于医学毕业论文样本选择2

来源:互联网 作者:118期刊网 本文地址:http://www.118qikan.com/bylw/5872.html 发布时间:2018-09-22 17:21:04

第一章 绪论

 

随着磁共振技术的发展,人们生活水平的提高,以及人们对自身健康的重视,越来越多的人愿意接受磁共振这种检查方式。同时,由于磁共振成像对人体没有任何伤害,安全、成像快速、空间分辨率高等特点使其也成为了科学研究的一项重要手段之一。特别是在脑科学方面,磁共振成像有着极其广泛的作用。磁共振是一个相对较新的事物,其成像相对X光、脑电等其他成像方法更加复杂,导致对脑部磁共振数据的处理分析也异常复杂。所以如果没有经过比较完善的培训,很难对磁共振数据进行处理分析。

 

1.1 脑部磁共振成像数据处理方法概况

磁共振成像具有成像序列多的特点。各种成像序列有着不同的侧重点,甚至是不同的图像形式,因此,其数据处理的方法也是多种多样的。

 

1.1.1 高分辨率结构磁共振成像

根据T1 弛豫时间和T2 弛豫时间可以分别采集得到高分辨率T1 像和T2 像。T1、T2 像的扫描序列都属于自旋回波序列。T1 加权像采用短TR(300~1000ms)和短TE(10~30ms)时间,它能清晰显示解剖细节。而T2 加权像采用长TR(1800~2500ms)和长TE(40~90ms)时间,对检出水肿很敏感。其中TR是指脉冲序列重复时间,TE是回波时间。一般来说头部T2 加权图像由于其对病灶敏感的特性一般用于医疗诊断(图 1-1左,T2 图像用于癫痫诊断示例)。而大脑T1 加权像能够清晰地显现出解剖结构的细节(图 1-1 右),除了医疗诊断之外,更多的用于科研目的。目前国际上,对于T1 加权像的使用主要是以下两个方面:一是,用于支撑材料[1]。因为其组织清晰度高,所以在做配准处理的时候精确度也就很高。在计算全脑功能网络等的时候,就常用T1 像作为一个中间参考,将标准脑区模板配准到个体功能像上。基于体素的形态测量学(Voxel based morphometry,VBM)研究。首先将个体的T1 图像标准化到标准模板;接着采用不同的算法将大脑图像分割成灰质,白质,脑脊液三个部分;然后将分割后的图像进行平滑,这样平滑后的图像更接近正态分布,其中每个体素的信号来自于其本身和周边体素的加权平均;最后使用统计参数图(Statistical Parametric Mapping,SPM)等软件进行统计分析,以得到两组或多组被试大脑组织结构体积上的差异。也可以将某一位置灰质白质的大小作为一个指标,考察其是否与某些临床指标或者认知量表相关[2, 3]。.皮层厚度(Cortical thickness)研究。根据解剖模板,将个体T1 图像进行分割,得到每个皮层的厚度信息,然后将每个被试皮层厚度作为一个指标,与其他皮层的厚度算一个相关值。某两个皮层厚度的相关值大,可以认为这两个皮层有着比较相同的营养模式以及激活水平,所以可以推断这两个皮层可能也有着比较相近的功能[4, 5]。

 

1.1.2 功能磁共振成像(Functional magnetic resonance imaging,fMRI)

fMRI是一种通过考量与大脑活动相关的血流变化的磁共振方法。其所依赖的理论基础是神经元的活动与大脑的血流存在着一定的正相关性。Seiji Ogawa所发现的血氧水平依赖(BOLD)现象是fMRI用以研究的主要指标[6]。其大致原理是,神经激活时,氧合血红蛋白的局部聚集会提高局部的磁敏感性,从而导致T2*信号的增强。不过BOLD信号相对于刺激有延迟(图 1-2)。同时因为受血流变化的影响,BOLD信号相对于原始神经信号也有延迟,并且会被噪声化[7]。对于fMRI实验的设计主要涉及两种方式,一种是静息态,一种是任务态。所谓静息态就是受试者在身体放松大脑放空的情况下进行功能磁共振扫描的实验;任务态就需要受试者按照要求完成一些任务或者给一定的反馈。当然静息态可以看作是一种特殊的任务态。对于任务态fMRI的数据处理主要关注人脑在完成不同任务时与静息时大脑激活模式的差异。

 

第二章 开发平台介绍以及主界面设计

 

2.1 开发平台介绍

MATLAB,是MathWorks公司于 1980 年开始开发的一个用于数学计算的平台。主要可用于矩阵计算、数据以及函数的可视化、信号分析、数学建模等。随着版本的更新又增加了用户图形界面开发的功能。由于其计算功能相当强大,同时支持添加工具包,使其扩展性大大增强。通过添加合适的工具包,使Matlab在图像处理,统计分析等领域有着极大的优势。MRI数据处理涉及到很多矩阵运算以及信号的处理。如果用其他平台如C#等开发此系统可能会在界面设计上更占优势,但是在数据处理效率方面却大大的落后于Matlab。同时,此系统的核心在于计算,而非管理,所以并不需要很复杂的系统架构和业务逻辑。此系统也不需要和网络、数据库等系统进行信息交换,没有必要使用Visual Studio等大型软件开发平台。基于此考虑,将此系统的开发环境设定于Matlab。主界面按照左右分成两个部分。左边部分是用于fMRI数据处理的工具:网络间相关分析(FNC)、选择感兴趣区(ROI)计算大脑相关网络以及功能连接密度分析;右边部分主要用于处理DTI数据,包括纤维束方向密度函数的计算、通过读取纤维束追踪结果计算纤维束的微结构信息(FA值MD值等)以及生成纤维束连接矩阵、对于连接矩阵计算网络属性等。

 

第三章 FMRI数据处理模块 .....13

3.1 网络间相关(FNC)工具 .....14

3.2 相关网络计算工具 .....2

3.2.1 fcMRI数据分析原理 .......20

3.2.2 fcMRI工具界面设计 .......21

3.2.3 fcMRI计算流程图 .....22

3.2.4 fcMRI计算实例.........23

3.3 功能连接密度计算工具 .........24

3.4 FMRI处理模块小结 .....29

第四章 弥散成像数据(DMRI)处理模块.....31

4.1 纤维束信息以及连接矩阵的生成......31

4.2 网络属性计算工具 .....38

4.3 方向密度函数计算工具 .........45

第五章 小工具....49

5.1 生成DATA文件并提取ROI信号 .......49

5.2 低频部分频谱分析 .....51

5.3 DICOM文件批量改名.........52

5.4 分割全脑模板为单脑区模板 .......53

5.5 判断种子点是否优秀 .......54

5.6 去除MASK散点.........55

5.7 Z变换 .........56

5.8 回归协变量 .....57

 

结论

 

“基于Matlab GUI的脑部磁共振数据统计分析系统”采用了matlab作为开发平台进行开发,是一款可靠使用,简洁易用的数据分析软件。系统集成了十余种工具,囊括了大部分MRI数据处理过程。这些工具有些采用了比较成熟常用的方法,比如fMRI相关网络的分析工具;有些采用了可靠新颖的方法,比如采用球面解卷积模型对fODF的计算等,但是所有这些工具的原理都是学术界公认的可靠地算法,可放心使用。同时,此系统的也尽量做到了界面简洁,操作简单。对于能够自动实现的功能尽量做到了自动实现,如网络属性计算的作图等。这样使用者可以不需要太多的数据处理经验,直接根据流程,使用此系统进行分析就得出结果。目前为止经过小范围的测试,使用者对这套数据分析处理系统的使用都很满意。当然,也有一些地方设计不完善,比如由于技术原因,目前还难以实现根据球面解卷积模型重建出全脑的纤维束。当然,本人也会继续努力,使此系统继续完善,使其功能更加强大,更加的易用。

 

参考文献

[1] G. Gong, Y. He, L. Concha, et al. Mapping anatomical connectivity patternsof human cerebral cortex using in vivo diffusion tensor imaging tractography.Cerebral Cortex, 2009, 19(3):524-536

[2] C.D. Good, I.S. Johnsrude, J. Ashburner, et al. A Voxel-Based MorphometricStudy of Ageing in 465 Normal Adult Human Brains. NeuroImage, 2001,14(1):21-36

[3] J. Ashburner, K.J. Friston. Voxel-Based Morphometry—The Methods.NeuroImage, 2000, 11(6):805-821

[4] B. Fischl, A.M. Dale. Measuring the thickness of the human cerebral cortexfrom magnetic resonance images. Proceedings of the National Academy ofSciences, 2000, 97(20):11050-11055

[5] Y. He, Z.J. Chen, A.C. Evans. Small-World www.51lunwen.org/statistic/ Anatomical Networks in theHuman Brain Revealed by Cortical Thickness from MRI. Cerebral Cortex,2007, 17(10):2407-2419

[6] S. Ogawa, T.-M. Lee, A.S. Nayak, et al. Oxygenation-sensitive contrast inmagnetic resonance image of rodent brain at high magnetic fields. MagneticResonance in Medicine, 1990, 14(1):68-78

[7] R.A. Poldrack, J.A. Mumford, T.E. Nichols. Handbook of functional MRIdata analysis. Cambridge University Press, 2011

[8] M.E. Moseley, Y. Cohen, J. Kucharczyk, et al. Diffusion-weighted MRimaging of anisotropic water diffusion in cat central nervous system.Radiology, 1990, 176(2):439-445

[9] R. Henson, C. Buechel, O. Josephs, et al. The slice-timing problem inevent-related fMRI. NeuroImage, 1999, 9:125-132

[10] J.D. Power, K.A. Barnes, A.Z. Snyder, et al. Spurious but systematiccorrelations in functional connectivity MRI networks arise from subjectmotion. NeuroImage, 2012, 59(3):2142-2154


论文查重就找118期刊网