《多模態MRI圖像肺癌檢測與分類方法研究》是依託北京交通大學，由陳後金擔任項目負責人的面上項目。
基本介紹
- 中文名：多模態MRI圖像肺癌檢測與分類方法研究
- 項目類別：面上項目
- 項目負責人：陳後金
- 依託單位：北京交通大學
項目摘要,結題摘要,
項目摘要
肺癌的早期發現對患者的有效治療至關重要，而早期發現需要有對人體無損的定期檢測手段。磁共振成像(MRI)對人體沒有輻射，且具有多模態信息，其在肺癌早期檢測與診斷中的套用逐漸受到關注。目前基於MRI圖像對肺癌檢測和分類的相關研究在國內外尚屬起步階段，存在以下主要問題：單獨分析各模態MRI圖像信息，缺乏多個模態MRI圖像信息的融合；各模態特徵提取方法缺乏對其相應MRI成像機理的深入分析，對肺腫塊特性的定量描述存在較大誤差；側重肺腫塊的整體分析，缺乏肺腫塊內部結構的深層次分析。在此背景下，本課題充分利用多模態MRI圖像信息，探究基於多模態MRI圖像的肺癌早期檢測與分類方法。研究內容包括：多模態肺部MRI圖像配準，肺腫塊分割，肺腫塊特徵提取，多模態特徵融合，最後實現肺腫塊良惡性分類。本課題結合信息學科與醫學學科的理論和方法，研究肺癌MRI圖像檢測與分類的關鍵技術，具有重要的學術價值和社會效益。
結題摘要
肺癌是一種常見的惡性腫瘤，在全球範圍內其發病率、死亡率極高。肺癌的早期發現對患者的有效治療至關重要。磁共振成像（MRI）對人體沒有輻射，且具有多模態信息，其在肺癌早期檢測與診斷中套用逐漸受到關注。本課題構建了廣東醫科大學第一附屬醫院提供的肺部MRI圖像資料庫，並在該資料庫上完成了：（1）單模態肺部MRI圖像配準：提出了基於多尺度局部剛性匹配的特徵點對檢測算法，並利用檢測到的特徵點約束非剛性肺部DCE-MRI圖像配準，減少了配準中的非真實形變。為降低因錯誤匹配特徵點對配準帶來的負面影響，提出了基於自適應特徵點約束權重的組配準算法，提高了配準DCE-MRI圖像序列的精度。採用低秩矩陣分解算法對肺部DWI圖像進行運動矯正，得到了噪聲小、腫塊邊緣清晰的ADC圖，提高了基於ADC的腫塊良惡性分類的準確性和特異性。（2）多模態肺部MRI圖像配準：提出了基於地圖集的多模圖像配準方法與基於結構補償的肺部多模MRI圖像配準方法，解決了因多模圖像間可能出現的信息不一致從而導致圖像間失配的問題。提出了基於模態轉換的多模圖像預配準方法，相較於基於信息熵的預配準方法，提高了配準的速度。（3）肺腫塊檢測與分割：提出了一種基於Faster R-CNN的磁共振圖像肺結節檢測算法，並利用肺結節解剖結構特徵去除假陽性肺結節區域。提出了基於生成對抗網路的網路框架，實現了對肺部T2W圖像中肺腫塊的檢測與分割。提出了一種基於全卷積網路和超密連線CNN模型的多模態圖像分割方法，提高了與組織連線腫塊的的分割精度。（4）肺部腫塊特徵提取：對體素內不相關運動（IVIM）擴散權重磁共振成像在孤立肺部病變的診斷方面的套用進行了研究。研究表明IVIM參數提供了孤立肺病灶的功能信息，有助於良惡性病灶的鑑別與診斷。（5）多模態特徵融合與分類：提出了基於多參數磁共振成像的腫瘤良惡性分類方法，結果表明所提方法相較於單一參數MR圖像序列具有更高的分類性能，基於多參數MR診斷方法具有較大的潛力。
