基于3D稀疏表示的多模态神经导航关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61502426
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0214.新型计算及其应用基础
  • 结题年份:
    2018
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2018-12-31

项目摘要

Intracranial tumor is one of the most common diseases in the nervous system. To assist the doctor to observe the fiber tacts distribution, it is urgent to make clear that how to fully exploit the high redundancy of the diffusion imaging data in 3D space to more rapidly and accurately reconstruct the nerve fiber tracts around the tumor area, and afterwards fuse the salient information in the multimodal medical images. The project studies on sparse 3D model of diffusion data, and synthesizes the underdetermined compressive sampling matrix in the form of the subsampling matrix tensor product and by this way, we proposes to design matrix reconstruction algorithms for subsampling matrices to improve the efficiency. The method breaks the restrictions of the existing models regardless of 3D spatial whole redundancy with low compressive sampling rate. Secondly, we aim to solve the problem of errors accumulation of the deterministic tracking algorithm vulnerable to noise, so propose the spatial correlation based noise suppression method using 3D sparse representation. In the complex fiber distribution area, such as intersection or bifurcation, the fiber tact orientation is described by the particles flocking motion. Local fiber deterministic tracking algorithm is designed via a global optimization algorithm to guide the multiple tensor models. Eventually, 3D/joint saliency models are constructed to compute fusion weight for 3D images, which fully visualizes the 3D anatomical structure of the tumor region and adjacent fiber tracts, moreover, lays the foundation to clinical applications for the neuro-navigation system with high accuracy.
颅内肿瘤是神经系统中常见的疾病之一。为辅助医生观察神经纤维的分布,如何充分利用弥散成像数据3D空间高度冗余性,更加快速、高精度的重建肿瘤区的神经纤维传导束,并融合多模态医学影像的显著性信息,是亟待解决的问题。项目首先研究弥散数据的3D稀疏表示模型,通过子采样矩阵张量积合成欠定压缩采样矩阵,提出一种对子采样矩阵设计重构算法来提高重构效率的方法,突破现有模型没有考虑3D空间整体冗余性、压缩采样率不高的限制;其次,针对确定性追踪算法易受噪声影响造成误差累计的问题,提出一种基于空间相关性的3D稀疏去噪方法,并在交叉、分岔等纤维复杂分布的区域,通过粒子群体运动描述纤维束走向,提出一种全局优化算法引导的多张量模型进行局部精准的纤维确定性追踪。最终,构造3D/联合显著性模型,设计3D图像融合权重,充分显示肿瘤区域的3D解剖结构及周围纤维束分布,从而为高精度的神经导航系统走向临床应用奠定基础。

结项摘要

颅内肿瘤是神经系统中常见的疾病之一。为辅助医生观察神经纤维的分布,如何充分利用弥散成像数据3D空间高度冗余性,更加快速、高精度的重建肿瘤区的神经纤维束,并融合多模态医学影像的显著性信息,对脑神经纤维分析进行可视分析是亟待解决的问题。项目首先研究弥散张量数据的重构与追踪,提出一种噪声强度估计方法降低重构及追踪误差;其次,针对纤维分布复杂度高的问题,提出基于散布矩阵的纤维筛选和密度峰值聚类算法,降低视觉混杂性;最终,融合纤维和MRI结构信息,充分显示肿瘤区域的3D解剖结构及周围纤维束分布,并设计三维空间交互方法,从而为高精度的神经导航系统走向临床应用奠定基础。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(3)
Boost image denoising via noise level estimation in quaternion wavelet domain
通过四元数小波域中的噪声水平估计增强图像去噪
  • DOI:
    10.1016/j.aeue.2016.01.014
  • 发表时间:
    2016-05
  • 期刊:
    International Journal of Electronics and Communications
  • 影响因子:
    --
  • 作者:
    Liu Yi-Peng;Du Weiwei;Jin Jing;Wang Haixia;Liang Ronghua
  • 通讯作者:
    Liang Ronghua
基于嵌入式GPU的汗孔识别算法并行设计
  • DOI:
    10.13873/j.1000-9787(2018)05-0076-04
  • 发表时间:
    2018
  • 期刊:
    传感器与微系统
  • 影响因子:
    --
  • 作者:
    刘义鹏;曾宏翔;王海霞;杨熙丞;陈朋
  • 通讯作者:
    陈朋
基于密度峰值搜索的脑纤维快速聚类算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    浙江工业大学学报
  • 影响因子:
    --
  • 作者:
    刘义鹏;李志鹏;蒋哲臣;梁荣华
  • 通讯作者:
    梁荣华
面向 HARDI 模型的脑纤维三维可视化系统
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机辅助设计与图形学学报
  • 影响因子:
    --
  • 作者:
    刘义鹏;蒋哲臣;徐超清;池华炯;蒋莉;冯远静;梁荣华
  • 通讯作者:
    梁荣华
基于双Leap Motion的三维可视化交互方法研究
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    计算机辅助设计与图形学学报
  • 影响因子:
    --
  • 作者:
    孙国道;黄普永;刘义鹏;梁荣华
  • 通讯作者:
    梁荣华

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于Zynq的皮下指纹OCT数据采集系统设计
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    浙江工业大学学报
  • 影响因子:
    --
  • 作者:
    刘义鹏;余黎磊;王海霞;丁宝进;陈朋
  • 通讯作者:
    陈朋
铝合金淬火厚板体应力场的离散解析描述和预测
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    材料热处理学报
  • 影响因子:
    --
  • 作者:
    廖凯;陈飞;陈辉;王伟;刘义鹏
  • 通讯作者:
    刘义鹏
铝合金薄壁框架件加工变形的应力分布研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    材料科学与工艺
  • 影响因子:
    --
  • 作者:
    廖凯;张萧笛;刘义鹏;陈辉
  • 通讯作者:
    陈辉
深孔法技术在铝合金构件应力场测试中的应用研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中国有色金属学报
  • 影响因子:
    --
  • 作者:
    廖凯;刘义鹏;常星宇;赵青
  • 通讯作者:
    赵青
基于地理标签的推文话题时空演变的可视分析方法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    孙国道;周志秀;李思;刘义鹏;梁荣华
  • 通讯作者:
    梁荣华

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

刘义鹏的其他基金

面向糖尿病视网膜病变筛查的域泛化方法研究
  • 批准号:
    62376251
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
面向手指光学相干层析成像的防伪特征提取与识别
  • 批准号:
    62076220
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码