基于非負(fù)張量分解的醫(yī)學(xué)圖像的數(shù)據(jù)融合方法研究.pdf

1、生物醫(yī)學(xué)圖像的研究方興未艾，并且隨著各種成像技術(shù)的不斷地發(fā)展，為生物醫(yī)學(xué)成像提供了很多新的方法。其中，圖像融合方法能為整合多模態(tài)和運(yùn)用新模態(tài)圖像信息提供幫助，其在基礎(chǔ)研究和臨床課題中有很大的運(yùn)用價值。
　　多模態(tài)數(shù)據(jù)融合能整合不同形式的數(shù)據(jù)，并用低維形式重新表達(dá)，實(shí)現(xiàn)對目標(biāo)的本質(zhì)特征的描述。目前，如何利用多模態(tài)數(shù)據(jù)融合方法對腦腫瘤等目標(biāo)進(jìn)行準(zhǔn)確識別已成為電子信息和醫(yī)學(xué)探測領(lǐng)域研究的難點(diǎn)問題。非負(fù)張量分解(Non-negative

2、Tensor Factorization，NTF)是一種較為高級的盲信號處理方法。本論文在非負(fù)的約束條件下，利用張量分解算法對腦腫瘤病人的MRI和MRSI信號進(jìn)行降維、特征提取、融合等處理，并取得很好的效果。本文的主要工作如下：
　　1.介紹了腦部核磁共振成像(Magnetic Resonance Imaging，MRI)與核磁共振波譜圖像（Magnetic Resonance Spectroscopy Imaging，MRSI）

3、的形成過程。并重點(diǎn)突出了這兩種圖像數(shù)據(jù)的優(yōu)勢和特點(diǎn)。同時，針對MRSI信號在剛提取出來時，存在一些較差信號會影響成像結(jié)果的問題，采取了一些方法對這些較差信號進(jìn)行預(yù)處理。
　　2.對目前MRSI圖像的特征提取算法，本文介紹了幾種流行的傳統(tǒng)算法，并對它們的特點(diǎn)進(jìn)行分析討論。其中，利用病人的 MRSI信號仿真數(shù)據(jù)，重點(diǎn)分析比較了對上述算法在特征提取方面的準(zhǔn)確性。
　　3.研究了非負(fù)張量分解算法及其應(yīng)用。針對傳統(tǒng)算法在特征提取方面存

4、在的缺陷，提出引入非負(fù)張量分解算法來解決問題。在對非負(fù)張量分解的基本概念和運(yùn)算進(jìn)行說明的同時，針對特征提取問題，給出了CP分解和TUCKER分解兩種基本算法。
　　4.利用非負(fù)張量分解，實(shí)現(xiàn)了MRSI波譜數(shù)據(jù)的特征提取，從而實(shí)現(xiàn)了MRSI空間分布的最終形成。通過使用加權(quán)平均算法，實(shí)現(xiàn)了不同模態(tài)數(shù)據(jù)的融合。從而使得這兩種數(shù)據(jù)的信息在分辨率和準(zhǔn)確性方面實(shí)現(xiàn)優(yōu)勢互補(bǔ)，得到更具價值的腦腫瘤識別結(jié)果。最后通過真實(shí)病人數(shù)據(jù)的融合實(shí)驗，驗證了該