基于3DCNN和fMRI的脑疾病诊断方法文献综述

 2022-01-08 08:01

全文总字数:4017字

文献综述

文 献 综 述功能性磁共振成像(fMRI)[1]作为一种新兴的神经影像学方式,其原理是利用磁振造影来测量神经元活动所引发的血液动力的改变。

目前主要运用在研究人及动物的脑或脊髓,对于人脑疾病研究和诊断具有较大的促进作用。

磁功能像的处理是fMRI数据处理的关键。

因为脑皮层活动变化极快,相应地,也就要求足够快的成像序列对某一个刺激任务造成的皮层活动进行记录,并且要有对脑血氧代谢的产物脱氧血红蛋白(BOLD)产生的T2*缩短效应具有足够的敏感度[2]。

EPI图像的数据量庞大、分辨率低及干扰因素严重等特点决定了我们首先必须去除与BOLD信号相关的干扰信号,提高信噪比。

其次要将大量时间序列的四维EPI图像,通过转化为三维的形式表现出来并通过合适的算法把真正的BOLD信号提取出来。

最后,低分辩率的功能像要与高分辨率的解剖像叠加融合,或配准到已知的空间解剖结构中加以表现[3]。

这些是fMRI数据处理和分析时需要注意的主要要点。

一般地,我们在进行图像分析时需要进行一定的预处理,如,针对被试者因为物理原因而产生的脑部位置扰动进行头部校正,针对扫描周期变化而调整的时间层校正,以及考虑被试者因生理先天或后天原因而造成的头部数据不同而进行空间标准化等。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

免费ai写开题、写任务书: 免费Ai开题 | 免费Ai任务书 | 降AI率 | 降重复率 | 论文一键排版