卷积神经网络在MRI图像诊断中的应用

doi:10.12068/j.issn.1005-3026.2019.02.004

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (2): 169-173.DOI: 10.12068/j.issn.1005-3026.2019.02.004

卷积神经网络在MRI图像诊断中的应用

王洋，刘积仁，赵大哲，邱道云

(东北大学计算机科学与工程学院，辽宁沈阳110169)

收稿日期:2017-11-20 修回日期:2017-11-20 出版日期:2019-02-15 发布日期:2019-02-12
通讯作者: 王洋
作者简介:王洋(1981-)，男，辽宁沈阳人，东北大学博士研究生; 刘积仁(1955-)，男，辽宁沈阳人，东北大学教授，博士生导师; 赵大哲(1960-)，女，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
辽宁省科技厅博士启动基金资助项目(L200601008).

Application of Convolutional Neural Networks in Computer-Aided Diagnosis of MRI Images

WANG Yang， LIU Ji-ren， ZHAO Da-zhe， QIU Dao-yun

School of Computer Science & Engineering， Northeastern University， Shenyang 110169， China.

Received:2017-11-20 Revised:2017-11-20 Online:2019-02-15 Published:2019-02-12
Contact: WANG Yang
About author:-
Supported by:
-

摘要/Abstract

摘要： 基于卷积神经网络对颅内组织器官疾病诊断提出了创新思路.选取帕金森病患者图像通过灰度映射、直方图均衡化、改进的小波去噪、图像增强等预处理，以VGG-Net网络模型为基础设计并搭建卷积神经网络，采取正则化策略避免过拟合问题，用患者MRI图像集对网络模型进行5次十折交叉验证，同时通过反卷积网络实现特征可视化，挖掘疾病潜在特征.实验结果和客观评价表明，本文搭建的网络可根据患者MRI图像实现良好的辅助诊断.

关键词: 深度学习, 卷积神经网络, 计算机辅助诊断, 帕金森病, 图像分类

Abstract: Based on convolutional neural networks， this paper proposes innovative ideas for diagnosing intracranial tissue and organ diseases. The images of Parkinson’s disease patients were preprocessed by gray mapping， histogram equalization， improved wavelet denoising and image enhancement. A convolutional neural network is designed and built on the basis of VGG-Net network model. Regularization strategy is adopted to avoid over-fitting problem. Then the ten-fold cross-validation of the network model is carried out five times with MRI image set of patients. And feature visualization is performed by deconvolution network to dig out latent features of diseases. The result and objective evaluation show that the network can make a good diagnosis of MRI image for Parkinson’s disease.

Key words: deep learning, convolutional neural network, computer aided diagnosis, Parkinson’s disease, image classification

中图分类号:

TP391

王洋，刘积仁，赵大哲，邱道云. 卷积神经网络在MRI图像诊断中的应用[J]. 东北大学学报:自然科学版, 2019, 40(2): 169-173.

WANG Yang， LIU Ji-ren， ZHAO Da-zhe， QIU Dao-yun. Application of Convolutional Neural Networks in Computer-Aided Diagnosis of MRI Images[J]. Journal of Northeastern University Natural Science, 2019, 40(2): 169-173.

参考文献

[1]赵强，尹慧敏.磁共振成像的临床应用［J］.现代科学仪器，2014(6):75-77.(Zhao Qiang，Yin Hui-min.Clinical application of magnetic resonance imaging［J］.Modern Scientific Instruments，2014(6):75-77.)
[2]朱艳艳，侯代伦，柳澄，等.CT与MRI对颅内结核分型诊断研究进展［J］.中国防痨杂志，2016，38(3):215-217.(Zhu Yan-yan，Hou Dai-lun，Liu Cheng，et al.The progress of computed tomography and magnetic resonance for the classification and diagnosis of intracranial tuberculosis［J］.Chinese Journal of Antituberculosis，2016，38(3):215-217.)
[3]Zeiler M D，Fergus R.Visualizing and understanding convolutional networks［C］// European Conference on Computer Vision. Zurich，Switzerland，2014:818-833.
[4]Simonyan K，Zisserman A.Very deep convolutional networks for large-scale image recognition［R/OL］.［2017-08-13］.https://arxiv.org/pdf/1409.1556.pdf.
[5]原相丽，李常红，周正宏，等.颅脑MRI在帕金森病与帕金森综合征的鉴别价值分析［J］.中国CT和MRI杂志，2016，14(7):7-9.(Yuan Xiang-li，Li Chang-hong，Zhou Zheng-hong，et al.Diagnostic value of brain MRI analysis in Parkinson’s disease and Parkinson’s syndrome［J］.Chinese Journal of CT and MRI，2016，14(7):7-9.)
[6]Pereira S，Pinto A，Alves V，et al.Brain tumor segmentation using convolutional neural networks in MRI images［J］. IEEE Transactions on Medical Imaging，2016，35(5):1240-1251.
[7]Sun Y，Wang X G，Tang X O.Deep learning face representation from predicting 10，000 classes ［C/OL］// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.2014:1891-1898［2017-08-02］.https://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Sun_Deep_Learning_Face_2014_CVPR_paper.pdf.
[8]Farabet C，Couprie C，Najman L，et al.Learning hierarchical features for scene labeling ［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence ，2013，35(8):1915-1929.
[9]Howard A G.Some improvements on deep convolutional neural network based image classification［C］// International Conference on Learning Representations.Banff，Canada，2014.
[10]Bouvrie J.Notes on convolutional neural networks［R］.Massachusetts:Center for Biological and Computational Learning，2006:38-44［2017-09-12］.http://cogprints.org/5869/1/cnn_tutorial.pdf.
[11]Hassvun M H.Fundamentals of artificial neural networks［M］.Cambridge: MIT Press，1995.
[12]Williams C K I.Learning with kernels:support vector machines，regularization，optimization，and beyond［J］.Journal of the American Statistical Association，2003，98:489-489.
[13]Huynh B，Drukker K，Giger M.MO-DE-207B-06:Computer-aided diagnosis of breast ultrasound images using transfer learning from deep convolutional neural networks［J］.Medical Physics，2016，43(6):3705-3705.

[1]	刘洋，闫冬梅，孟范伟. 基于Transformer改进的两分支行人重识别算法[J]. 东北大学学报（自然科学版）, 2023, 44(1): 26-32.
[2]	王瀛，王泽浩，李红，黄文军. 基于深度学习的威胁情报领域命名实体识别[J]. 东北大学学报（自然科学版）, 2023, 44(1): 33-39.
[3]	顾德英，罗聿伦，李文超. 基于改进YOLOv5算法的复杂场景交通目标检测[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1073-1079.
[4]	马源源，刘晏泽，刘呈隆，张甜洁. 中国投资者多角度舆情分析及其在股市预测中的作用[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1201-1209.
[5]	代茵，刘维宾，董昕阳，宋雨朦. 基于注意力机制的U-Net脑脊液细胞分割[J]. 东北大学学报（自然科学版）, 2022, 43(7): 944-950.
[6]	李鸿儒，任子洋，黄友鹤，于霞. 基于变权重奇异谱分析的心律不齐识别方法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 305-312.
[7]	顾德英，张松，孟范伟. 基于单目视觉的车辆3D空间检测方法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 328-334.
[8]	范纯龙，李彦达，夏秀峰，乔建忠. 基于随机梯度上升和球面投影的通用对抗攻击方法[J]. 东北大学学报（自然科学版）, 2022, 43(2): 168-175.
[9]	贾润达，胡慧明，张树磊. 基于宽度学习的浓密机底流浓度软测量[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1231-1237.
[10]	王璐，王帅，张国峰，徐礼胜. 基于语义分割注意力与可见区域预测的行人检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1261-1267.
[11]	王新刚，韩凯忠，王超，李林. 基于迁移学习的轴承剩余使用寿命预测方法[J]. 东北大学学报（自然科学版）, 2021, 42(5): 665-672.
[12]	宋欣，李奇，解婉君，李宁. YOLOv3-ADS:一种基于YOLOv3的深度学习目标检测压缩模型[J]. 东北大学学报（自然科学版）, 2021, 42(5): 609-615.
[13]	魏颖，雷志浩，齐林. 基于注意力机制的3D U-Net婴幼儿脑组织MR图像分割[J]. 东北大学学报（自然科学版）, 2021, 42(5): 616-623.
[14]	张涛，刘天威，杜文丽. 一种基于卷积神经网络的区域调光技术[J]. 东北大学学报（自然科学版）, 2021, 42(5): 624-632.
[15]	孟琭，沈凝，祁殷俏，张昊园. 基于强化学习的三维游戏控制算法[J]. 东北大学学报（自然科学版）, 2021, 42(4): 478-483.

卷积神经网络在MRI图像诊断中的应用

Application of Convolutional Neural Networks in Computer-Aided Diagnosis of MRI Images

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价