基于數(shù)據融合的GBM組織分離方法研究.pdf

1、膠質母細胞瘤（Glioblastoma）即GBM,是膠質細胞瘤病變程度最嚴重的形式，是最高等級的膠質細胞瘤。核磁共振成像（Magnetic resonance imaging,MRI）和核磁共振譜成像（Magnetic resonance spectroscopic imaging,MRSI）是醫(yī)療診斷領域中特別是人腦腫瘤檢測中最主要最權威的檢測手段。然而單一的成像手段均無法對GBM的組織類型進行有效的分離，通過數(shù)據融合的手段可以得到包

2、括兩種數(shù)據特征的融合結果。針對MRSI波譜數(shù)據與MRI圖像數(shù)據的多模態(tài)數(shù)據融合問題，本文基于數(shù)據融合理論，利用非負矩陣分解理論和小波分析方法研究了一種非監(jiān)督的多模態(tài)數(shù)據GBM組織分離方法，主要工作和貢獻如下：
　　1、研究了一種基于小波分解的多模態(tài)醫(yī)學數(shù)據融合方法，將數(shù)據融合融入到hNMF(Hierarchical non-negative matrix factorization)的GBM識別框架中，提升了識別的準確率。

3、　　2、研究了了一種在hNMF多個層次分解中確定特征波譜的新的法則，針對GBM病例代謝特征不穩(wěn)定的現(xiàn)狀，對其MRSI數(shù)據實現(xiàn)了更加有效的分解，通過分解確立了正確的正常，腫瘤以及壞死組織的特征波譜，獲得了相應組織類型的空間分布。
　　3、采用峰值積分的方法對MRSI數(shù)據特征進行提取，量化MRSI數(shù)據中關鍵的代謝成分，通過實驗確定了所提取的代謝物及其范圍。峰值積分后的MRSI仍然可以有效對組織類型進行分離，同時大大減少了非負矩陣分解的