# 臺灣博碩士論文加值系統

(3.235.120.150) 您好！臺灣時間：2021/08/06 02:34

:::

### 詳目顯示

:

• 被引用:0
• 點閱:698
• 評分:
• 下載:0
• 書目收藏:0
 統計參數映射是一套專用來處理影像的軟體，使用的範圍相當廣泛，多數用來處理醫學影像，例如:大腦的研究。但因為程式龐大，包含的內容相當複雜，所以很多使用者都僅僅會操作，卻不知道這套軟體的數學原理及運作理論。本篇主文就是在探討統計參數映射的分割原理和數學方法。腦部結構型態學地圖集是一個利用地圖集來做分割的方法。本研究將原來統計參數映射的結果加入腦部結構型態學地圖集。
 Statistical parametric mapping (SPM) is the professional image process software, which is used for MR image processing. The brain MR image can be feed into SPM software for further processing and investigation. The software includes many mathematic models and hundreds of functions therefore not easy to understand. User usually just carry out the standard procedures and does not know the detail of how it works. This study is trying to find out the mathematical methods which are developed for the use of SPM segmentation. Besides, Individual Brain Atlases using Statistical Parametric Mapping (IBASPM) software is an atlas-based method for automatic segmentation of brain structures is also studied. Through the IBASPM manual segment, we can enhance pathological brains for SPM.
 Chapter 1. 緒論 9Chapter 2. 統計參數映射 10 2.1 統計參數映射(Statistical Parametric Mapping) 10 2.2 SPM的處理過程………………………………………………………..11 2.2.1 資料的採集…………………………………………………………..11 2.2.2 數據的預處理………………………………………………………..12 2.2.3 圖像對齊……………………………………………………………..12 2.2.4 空間標準化…………………………………………………………..12 2.2.5 高斯平滑……………………………………………………………..12 2.2.6 建立模型……………………………………………………………..13 2.2.7 顯示結果……………………………………………………………..13 2.3 一般線性化模型(The General Linear Model) 15 2.4 分割(Segmentation) 16 2.5 型態測量學(Voxel-Based Morphometry)………………………………21 2.6 高斯混合模型(Gaussian Mixture Model)………………………………22 2.6.1 單一高斯機率密度函數的參數估測法……………………………..24 2.6.2 高斯混合密度函數的參數估測法…………………………………..26 2.6.3 求取GMM參數的另一種方法……………………………………..30 2.7 模板(Template)…………………………..……………………………...35 2.8 統一分割(Unified Segmentation)………………………………….........35 2.9 誤差修正(Bias Corrected)……………………………………................35 2.10 清除分割(Clean up segmentation)………………………………………36 2.11 組織概率圖像(Tissue Probability Maps)….………………....................37 2.12 高斯分類(Gaussians Per Class)………….……………………………...38 2.13 仿射登錄(Affine Registration).………………………………................39 2.14 曲線正規化(Warping Regularisation)…………………………………..40 2.15 形變曲線頻率截止(Warp Frequency Cutoff)…………………………..40 2.16 誤差正規化(Bias regularization)……………………………………......40 2.17 半高波寬(Bias FWHM)………………………………………................41 2.18 採樣距離(Sampling distance)…………………………………………...42 2.19 隱藏式馬可夫模型(Hidden Markov Random Field Model)…................42 2.19.1 正算程式 ( The Forward Procedure )……………………………...44 2.19.2 逆算程式 ( The Backward Procedure )…………………………….45 2.19.3 維特比演算法 ( The Viterbi Algorithm )…………………………..45 2.19.4 SPM使用的隱藏式馬可夫隨機場…………………………………46 2.20 EM演算法……………………………..……………………..................47Chapter 3. 統計參數映射使用獨立腦成份地圖集 51 3.1 什麼是統計參數映射使用獨立腦成份地圖集(IBASPM) 51 3.2 磁振造影像的獲得 51 3.3 IBASPM流程途徑 52Chapter 4. 實驗結果與分析 56 4.1 SPM的結果 56 4.2 IBASPM的結果 64Chapter 5. 結論及未來展望 67Chapter 6. 參考資料 68
 [1].R.J. Adler (1981). The geometry of random fields. Wiley New York.[2].C. Büchel, R.S.J. Wise, C.J. Mummery, J.-B. Poline and K.J. Friston (1996). Nonlinear regression in parametric activation studies. NeuroImage, 4:60-66.[3].K.J. Friston, C.D. Frith, P.F. Liddle and R.S.J. Frackowiak (1991). Comparing functional (PET) images: the assessment of significant change. Journal of Cerebral Blood Flow and Metabolism, 11:690-699.[4].K.J. Friston, K.J. Worsley, R.S.J. Frackowiak, J.C. Mazziotta and A.C. Evans (1994). Assessing the significance of focal activations using their spatial extent. Human Brain Mapping, 1:214-220.[5].K.J. Friston, A.P. Holmes, K.J. Worsley, J.-B. Poline, C.D. Frith and R.S.J. Frackowiak (1995). Statistical Parametric Maps in functional imaging: A general linear approach. Human Brain Mapping, 2:189-210.[6].K.J. Friston (1997). Testing for anatomical specified regional effects. Human Brain Mapping, 5:133-136.[7].K.J. Worsley, A.C. Evans, S. Marrett and P. Neelin (1992). A three-dimensional statistical analysis for rCBF activation studies in human brain. Journal of Cerebral Blood Flow and Metabolism, 12:900-918.[8].K.J. Worsley, S. Marrett, P. Neelin, A.C. Vandal, K.J. Friston and A.C. Evans (1996). A unified statistical approach or determining significant signals in images of cerebral activation. Human Brain Mapping, 4:58-73.[9].Collins D L, Holmes C, Peters T, Evans A. Automatic 3D Model-Based Neuroanatomical Segmentation. Human Brain Mapping. Vol.3: 190-208.1995.[10].Collins D. , A. Zijdenbos, and A. Evans. Automatic Volume Estimation of Gross Cerebral Structures. 4th International Conference on Functional Mapping of the Human Brain, Montreal, June 1998. Organization for Human Brain Mapping. abstract no. 702.[11].Collins D. L., A. P. Zijdenbos, W. F. C. Barré, and A. C. Evans, ``ANIMAL+INSECT: Inproved cortical structure segmentation,'' in Proc. of the Annual Symposium on Information Processing in Medical Imaging (A. Kuba, M. Samal, and A. Todd-Pokropek, eds.), vol. 1613 of LNCS, pp. 210-223, Springer, 1999.[12].Fischl B, Salat DH, Busa E, Albert M, Dieterich M, Haselgrove C, van der Kouwe A, Killiany R, Kennedy D, Klaveness S, Montillo A, Makris N, Rosen B, Dale AM. Whole brain segmentation: automated labeling of neuroanatomical structures in the human brain.Neuron. 2002 Jan 31;33. (3):341-55.[13].Fischl B, Van der Kouwe A, Destrieux C, Halgren E, Segonne F, Salat DH, Busa E, Seidman LJ, Goldstein J, Kennedy D, Caviness V,Makris N, Rosen B, Dale AM. Automatically parcellating the human cerebral cortex. Cereb Cortex. 2004 Jan; 14(1):11-22.[14].Maldjian JA,Laurienti PJ, Kraft RA, Burdette JH. An automated method for neuroanatomic and cytoarchitectonic atlas-based interrogation of fMRI data sets. Neuroimage. 2003 Jul;19(3):1233-9.[15].Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, Delcroix N. Automated anatomical labelling of activations in spm using a macroscopic anatomical parcellation of the MNI MRI single subject brain. Neuroimage 15: 273-289. 2002.[16].Mazziotta J. , Toga A. , Evans A. , Fox P. and Lancaster. J. A probabilistic atlas of the human brain: theory and rationale for its development. The International Consortium for Brain Mapping. NeuroImage, 2(2):89-101, 1995.[17].Huang, J., Smola, A., Gretton, A., Borgwardt, K., & Sch¨olkopf, B. (2006a). Correcting Sample Selection Bias by Unlabeled Data. Technical Report CS-2006-44). University of Waterloo.[18].Arnold JB, Liow JS, Schaper KA et al. (2001) Qualitative and quantitative evaluation of six algorithms for correcting intensity nonuniformity effect.[19].Ashburner J, Andersson J, Friston KJ (2000) Image registration using a symmetric prior – in three-dimensions.[20].Pham DL, Prince JL (1999) Adaptive fuzzy segmentation of magnetic resonance images.[21].Hellier P, Ashburner J, Corouge I et al. (2002) Inter subject registration of functional and anatomical data using SPM. In Proc Medical Image Computing and Computer-Assisted Intervention (MICCAI), vol. 2489 of Lecture Notes in Computer Science. Springer-Verlag, Berlin and Heidelberg.[22].Xiaohua C, Brady M, Rueckert D (2004) Simultaneous segmentation and registration for medical image. In Proc Medical Image Computing and Computer-Assisted Intervention (MICCAI), Barillot C, Haynor DR, Hellier P (eds) vol. 3216 of Lecture Notes in Computer Science.
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 無相關論文

 1 李俊明(2010)。向下扎根、走向國際台灣文創新未來。訓練與研發，8。 2 孫志麟(1991)。自我效能的基本概念及其在教育上的應用。教育研究雙月刊，22，47-53。 3 許世卿、簡秀娥、蔡德昌(2008)。創意活動對學生創意啟發之行動研究。修平人文社會學報，11，133-150。 4 唐永泰(2006)。轉換型領導.工作動機與員工創新行為的關係。人力資源管理學報，6(4)，47 -66。 5 許世卿、梁麗珍、簡秀娥(2007)。修平技術學院學生學習動機、學習策略與學習效果之相關研究。修平人文社會學報，8，1-26。 6 梁麗珍(2008)。在職進修學生自我導向學習、學習動機與學習策略之結構方程模式。嶺東學報，23，149-179。 7 梁茂森(1998)。國中生學習自我效能量表之編制。教育學刊，14，155-192。 8 張明輝(2004)。精緻學校經營的策略與執行措施。教師天地，128，9-22。 9 林碧芳、邱皓政(2008)。創意教學自我效能感量表之編製與相關研究。教育研究與發展期刊，4(1)，141-169。 10 王保進(2010)。導入品質保證內涵與重視學生學習滿意度之大學校務評鑑。評鑑雙月刊，24，54-58。 11 許慈倩(2010)。文創產業帶動全球經濟成長的超級引擎。訓練與研發，8。 12 黃郁文(1994)。自我效能概念及其與學業成就表現之關係。諮商與輔導，106，39-41。 13 楊坤原(2001)。創造力的意義及其影響因素簡介。科學教育月刊，239，3-12。 14 管秋雄、陳秀紋(2007)。英語學習策略之覺察訓練對高中學生英語學習滿意度影響。中華輔導學報，21，135-166。 15 劉佩雲(1990)。自我調整學習模式之驗証。教育與心理研究，23，173-260。

 1 以Hadoop分散式檔案儲存及安全管理為基礎之研究並實現於NAS 2 多頻譜腦部磁振造影像分析使用權重式高斯核心之支援向量機 3 混合型特徵值擷取之語音辨識系統 4 語音驗證系統之語音特徵分類改良 5 基於SHA256並以16碼編碼方式抵抗合謀攻擊及影像破壞的數位指紋方法 6 探討以結合獨立成份分析與K平均及模糊聚類方式做腦部切片分類之效能 7 叢集式無線感測網路中的兩階層動態金鑰管理架構 8 自動變頻脈波寬度調變控制器 9 適應性調變在多重節點之解碼前送式合作式通訊系統之理論極限 10 十億赫茲取樣頻率開迴路殘值增益六位元管線式類比數位轉換器 11 運用場可程式化邏輯閘陣列研討低密度同位元查核碼解碼器之錯誤基數 12 通道編解碼系統整合之設計與實作 13 基於Linux之IEEE 802.16e無線路由器開發 14 應用經驗模態分解法於訊號判讀研究 15 應用於數位浮水印系統之改良型籬笆髒紙碼效能分析

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室