基于稀疏表示的颅脑创伤影像分析与辅助诊断研究

Traumatic Brain Injury (TBI) becomes one of the most deathful injuries because of the high morbidity rate and instable patients'condition. As the brain imaging technology can offer a noninvasive and quick way to brain diagnose, image based brain analysis plays an increasingly important role in treating brain diseases including TBI. However, most of currently proposed methods for brain image analysis focus on brain tumors and brain functional diseases, while researches on TBI are rare. Sparse representation is an effective means to solve this problem, and it can implement sparse coding for the image, extracting the distinguishable features, recovering data from deformation and shade. Therefore, in this proposal, we make an intensive study of TBI images analysis and computer-aided diagnosis. Specific for problems of TBI images content obvious difference , the research aims at TBI images registration and fusion based on sparse coding; For TBI lesions are varied and associated , TBI feature extraction and lesion recognition based on sparse regularization regression will be studied; For roblems of TBI rapid changes, the sparse decomposition based on the low rank will be used to locate trauma area and forecast the change trend. The preliminary purpose of this research is to provide a feasible solution and computational model to TBI image diagnosis with special scientific interest and a good application prospect.

颅脑创伤是发病率极高，伤情变化极快，而致死、致残率最高的严重伤害。影像分析可以检测颅内病情，提升术前诊断水平，为抢救赢得宝贵时间，因而已成为颅脑创伤救治的关键环节与热点问题。传统颅脑图像处理技术着眼于肿瘤及其他功能性疾病，其影像表现相对单一、静止，无法应对创伤造成的各种病灶伴生并快速变化的复杂颅内环境。稀疏表示是解决这一问题的有效手段，它可以对图像实施稀疏编码、提取可区分性特征、恢复形变与遮挡。本项目拟在稀疏表示理论基础上，深入研究颅脑创伤影像分析与辅助诊断问题。具体针对颅脑创伤影像内容差异明显的问题，研究基于稀疏编码的创伤影像配准与融合；针对颅脑创伤病灶多样、伴生的问题，研究基于正则化稀疏回归的创伤影像特征提取与病灶识别；针对颅脑创伤快速变化的问题，研究基于低秩稀疏分解的创伤区域定位与变化趋势预估。本项目的研究旨在为颅脑创伤影像诊断提供可行的方案与计算模型，具有良好的科学意义和应用前景。

脑创伤是发病率极高，伤情变化极快。如何快速分析和诊断颅内病情十分重要。经过四年的研究，项目研究组在稀疏表示和深度学习理论研究的基础上，深入研究颅脑创伤影像分析与辅助诊断问题。完成了研究任务和预设目标。主要研究成果包括提出了一个新的结构稀疏化特征选择方法、同时进行特征选择和近邻图学习的模型、基于优化自编码器的无监督特征选择模型；根据神经外科临床诊断经验，构建了两个新型的颅脑损伤术前分类诊断模型、针对颅内血肿图像细粒度分类的金字塔跨层双线性池化网络、新的脑图像区域分割网络等。本项目自执行以来，在论文发表、人才培养和学术交流等多方面取得了一定的成果，达到了预期的目标。本项目组共发表期刊和国际会议论文19篇，获得10项发明专利授权。培养研究生24名，其中14名硕士生已经顺利毕业，接收和完成7名国内高校访问学者学习。项目组成员参加国际会议和国内外学术交流超过20人次。