基於多模態數據融合的腦腫瘤非監督識別方法研究

《基於多模態數據融合的腦腫瘤非監督識別方法研究》是依託電子科技大學,由李雨謙擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：基於多模態數據融合的腦腫瘤非監督識別方法研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：李雨謙

項目摘要

多模態核磁共振技術的快速發展在增加腦腫瘤識別信息量的同時，也對數據理解與信息綜合解譯提出了新的挑戰。核磁共振成像的圖像解析度較高，但是對腦腫瘤（特別是異質性腦腫瘤）的識別率不高；利用核磁共振譜成像數據進行腦腫瘤識別具有較高的識別率，但是其數據的空間解析度很低。在此背景下，本項目旨在解決基於多模態數據融合的腦腫瘤非監督識別問題，實現兼具高識別率和高分辨的腦腫瘤識別。首先，針對多模態核磁共振數據融合問題，研究多維度多尺度數據的矩陣分解與融合建模方法，以及基於疊代的融合模型分解方法；在此基礎上，針對異質性腦腫瘤的非監督識別問題，研究分層識別過程中門限的凸最佳化轉化問題。本項目研究成果可以為多模態核磁共振數據的綜合解譯以及高識別率、高解析度的腦腫瘤非監督識別工作提供實用有效的方法。

結題摘要

腦腫瘤，特別是惡性腦腫瘤，是威脅人類健康的重要因素之一。早期檢測對腦腫瘤的治療及預後至關重要。在生物醫學工程高速發展的大背景下，對腦腫瘤的檢測也逐漸變得多樣化。核磁共振成像技術作為腦腫瘤的主要檢測手段之一，套用廣泛，但是由於其自身成像原理，對腦腫瘤的識別的準確性並不穩定。相比之下，基於組織化學成分的新技術核磁共振譜成像可以更準確地對組織類型進行識別，但是其空間解析度很低。對多模態數據進行有效地融合對腦腫瘤的準確及高分辨識別具有重要意義。 本項目結合矩陣分解、圖像融合等理論，針對腦腫瘤的準確識別，對圖像和譜數據的融合方法進行深入研究。首先，進行多模態數據融合方法的建模。包括圖像數據和譜數據的維度及尺度統一方法研究，圖像融合策略研究，提出基於NMF的融合模型等。然後，在對基於NMF的腦腫瘤MRSI識別方法進行研究的基礎上，對小波分解的MRI圖像和MRSI產生的圖像進行融合方法研究，提出了基於NMF分解的數據融合的求解方法。最後，進一步對惡性膠質細胞瘤的識別問題進行研究，提出了基於hNMF的融合方法，對更多組織類別的識別問題進行了實驗和分析，解決了更複雜的惡性膠質細胞腫瘤識別中的融合問題。