摘 要

人的大脑结构和功能很复杂，人们正在探索大脑的奥秘，为了更好的了解大脑，世界上很多国家都投入大量的人力、物力和财力进行脑疾病方面的研究，其中，阿尔茨海默病就是脑疾病的一种。在老龄化越来越严重的当今社会，阿尔茨海默病对社会的影响越来越大，这也使得很多研究者投身到阿尔茨海默病的早期诊断的研究中。近这些年，神经影像技术的研究进展迅猛，这推动了利用神经影像技术去诊断疾病。因此，基于医学图像的脑疾病的诊断研究变成了现代社会的核心问题之一。在早期人们进行了基于MRI图像的阿尔茨海默病的早期诊断，这种单一模态提取出来的特征分类效果不佳，分类的准确率比较低。而多模态数据融合诊断则可以借助不同模态图像来互相补足一些信息。本文基于PET和MRI两种模态数据，将图像进行标准化和归一化，再将预处理好的图像输入到Resnet50卷积神经网络中，通过卷积层和池化层进行特征的提取，得到特征向量，再将这些特征向量合并融合，之后由全连接层对这些特征进行综合起来，输出特征矩阵，最后输入到 softmax进行分类。得到的准确率与单模态方法进行比较，实验结果表明，多模态方法比单模态诊断准确率高。

关键词：脑疾病 阿尔茨海默病 多模态脑图像 卷积神经网络 softmax

Diagnosis of brain diseases based on image multimodal fusion

Abstract

The structure and function of the human brain is very complex, and people are exploring the mystery of the brain. In order to better understand the brain, many countries in the world have invested a lot of human, material and financial resources in the research of brain diseases, among which alzheimer's disease is one of the brain diseases. In today's aging society, alzheimer's disease has an increasing impact on society, which makes many researchers devote themselves to the early diagnosis of alzheimer's disease. In recent years, the rapid development of neuroimaging technology has promoted the use of neuroimaging to diagnose diseases. Therefore, the diagnosis of brain diseases based on medical images has become one of the core problems in modern society. Early diagnosis of alzheimer's disease based on MRI images has been carried out in the early stage. The feature classification extracted by this single mode is not effective and its classification accuracy is relatively low. Multimodal data fusion diagnosis can complement each other with different modal images. This article is based on two modal data, PET and MRI images for standardization and normalization, and the pretreatment of good image input into Resnet50 convolution neural network, through the convolution and pooling feature extraction, feature vector, then these eigenvectors merger integration, after the full connection layer to combination of these characteristics, the output characteristics of matrix, the input to the softmax classification. Compared with the single mode method, the experimental results show that the multi-mode method is more accurate than the single mode method.

Key words: brain disease；alzheimer's disease；multimodal brain image；convolution neural network；softmax

目录

摘要 I

Abstract II

第一章 绪论 1

1.1研究背景和意义 1

1.2脑疾病研究现状 2

1.3本文主要研究的问题 3

第二章 编程工具 5

2.1Anaconda Navigator 5

2.2Jupyter Notebook 5

第三章 相关理论知识 7

3.1引言 7

3.2卷积神经网络 7

3.2.1卷积神经网络简介 7

3.2.2卷积神经网络的结构 7

3.2.3卷积神经网络训练 9

3.3Resnet卷积神经网络模型 10

3.4One-hot编码 13

第四章 基于多模态图像的脑疾病诊断 14

4.1ADNI数据集 14

4.1.1ADNI数据集简介 14

4.2MRI和PET图像预处理 15

4.2.1MRI图像数据预处理 15

4.2.2PET图像数据预处理 16

4.3基于Resnet50的特征提取 17

4.4基于Resnet50的特征全连接 18

4.5softmax分类模型 19

4.6实验结果 21

4.6.1实验设置 21

4.6.2实验结果分析 26

4.6.3基于PET图像的诊断结果 27

4.6.4与单模态PET图像诊断结果的比较 29

第五章 总结和展望 30

5.1本文概括总结 30

5.2对未来的展望 30

参考文献 32

致谢 34

第一章 绪论

1.1研究背景和意义

为了更加了解大脑，探索大脑的奥秘，全世界各国都在研究脑疾病的诊断方法，脑疾病的诊断对于有效治疗和预防有重大意义^[1]。在2013年1月28日，欧盟委员就推出了世界上第一个人类脑计划科学研究，这项计划大约耗资6800万欧元，并且投资会继续加大，由此揭开了人类脑计划研究的序幕^[2]。就拿美国来说，其先后开展了“脑活动图谱计划”和“精准医疗计划”，这两个计划也对美国医疗领域产生了很大影响，也促进了美国医疗事业的发展。面对美国的行动，我国也将要采取措施，实施和执行“精准医疗计划”和“脑科学与类脑研究计划”，这两项计划也会被放入到“十三五国家科技创新规划^[3]”中。近些年被广泛关注的“脑科学计划”也非常热门，这其中的脑影像及神经影像成像技术已经成为了研究脑疾病诊断的工具之一，脑影像技术也得到了广泛研究。在医学领域之中的医疗技术不断发展，特别是神经影像技术被广泛应用于脑疾病的诊断。目前，阿尔茨海默病是对人类影响比较大的一种脑疾病，全世界有大约4700万人在承受着阿尔茨海默病（Alzheimer’s disense，AD）和轻度认知障碍的折磨，在美国，该疾病已经成为了死亡原因中的第六大原因。由此，我国乃至全世界对阿尔茨海默病研究越来越重视。

AD最明显的特征就是记忆力差，特别健忘。随着现代社会经济的不断发展，人口老龄化的问题也不断加剧，这也导致了AD的发病率普遍增加。据调查，在65岁以上的人群中，痴呆的患病率为5.4%，而随着人们年龄的增大患病的概率也明显增加^[4]。2006年，AD就几乎在各国之中蔓延开来，造成了患有阿尔茨海默病的人数不断增加，在当时达到了恐怖的2660万人，据估计，到2050年，大约在85个人之中就会有一名AD病患者^[5]。据统计，中国患有AD的人的数量在世界上居首 ^[6]。这就给社会带来了巨大的经济上的压力，因此，早期诊断AD已经变成了当代社会研究的核心问题之一。

1.2脑疾病研究现状

在如今这个老龄化不断加剧的时代，各种各样的脑疾病不断出现，严重威胁了人类的健康，也给人类社会带来了巨大的经济负担。目前影响比较明显的是AD和轻度认知障碍（Mild Cognitive Impairment，MCI），AD是以德国的一位精神病学家和精神病理学家Alois Alzheimer的名字进行命名^[7]。而且有研究显示，MCI，是一种介于AD和NC之间的病理特征^[8]，这种MCI最终演变成AD的几率很高，而且直到目前也无法有效治疗，只能通过药物进行延缓病情发展。而且目前的诊断方法太过于依赖经验丰富的医生通过观察脑MRI图像进行判断，这样既费时又费力，诊断的结果因为含有人的主观性而可靠性不高。有研究表明，AD患者和正常人的脑结构和脑功能会有比较大的差异，还有不同模态的图像数据可以提供互补的信息，所以能够提高AD和MCI的诊断准确率，更能帮助诊断疾病。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：