一、对脑部疾病患者健康教育的效果评价（论文文献综述）
姜煜[1]（2021）在《面向阿尔茨海默病的多模态影像数据融合分析方法》文中研究指明阿尔茨海默病（Alzheimer’s Disease,AD）是一种神经退行性疾病。轻度认知障碍（Mild Cognitive Impairment,MCI）是AD的早期阶段,该阶段患者呈现的病理信息并不明显,易被误认为是自然衰老,一旦病情恶化将难以逆转。因此,疾病的早期发现和治疗尤为重要。该疾病早期研究使用单模态数据进行分析,效果不理想。近年来,随着医学影像及计算机技术的发展,多模态数据及数据融合方法在神经影像领域获得了广泛关注。多模态神经影像数据常有较高的维度和复杂度,寻求高效的方法在复杂的数据集中提取有价值的特征是本文研究的重点。针对以往疾病诊断分类方法存在生物意义不足、误差较大及疾病诊断准确度不足等问题,本文将像素级融合、特征级融合和决策级融合三种图像数据融合技术的方法应用于阿尔茨海默病的分类。主要工作分为以下三点:（1）概述阿尔茨海默病的多模态影像数据的国内外研究现状以及主流的数据融合方法,并介绍阿尔茨海默病研究中常用的影像数据和数据来源,且由于脑影像数据独特的结构和原理,详细叙述其特定的预处理过程。（2）为验证相比于单模态数据,多模态数据具有可实现信息互补、误差较小等优点。将两种预处理过后的脑影像数据进行像素级数据融合,得到包含两种模态数据信息的新影像数据,将其与单模态数据提取各自的特征并分别输入分类器中,对比分类效果。此外,为了防止结果的偶然性,实验分别使用了三种特征提取方法和三个常用的分类器模型,对于多模态数据和单模态数据在相同的特征提取方法和分类器中取得的分类效果进行多次对比。实验结果进一步验证了多模态数据在AD诊断分类中的优越性。此外,分类器选择单分类器和集成分类器,在控制其他变量的情况下对比两者的分类效果,实验结果验证了基于决策级融合策略的集成分类器分类效果更优。（3）研究特征级数据融合技术在阿尔茨海默病分类中应用。特征级融合常用到的方法有典型相关分析（Canonical Correlation Analysis,CCA）。然而,现有的基于CCA的融合方法在将成像数据重构为向量时存在高维、多重共线性、单模态特征选择、不对称以及空间信息丢失等问题。本文使用了一种新的结构化稀疏典型相关分析（structured and sparse Canonical Correlation Analysis,ss CCA）技术来解决上述问题。设置三组实验,在其他条件相同的情况下使用不同的特征融合方法,验证ss CCA特征融合方法的应用效果。结果表明,该方法在本课题中表现良好。
石竹砚[2]（2021）在《靶向纳米输递体系用于重大脑部疾病治疗的研究》文中研究指明脑部疾病是发生在脑部的异质性神经和精神障碍。在各类脑部疾病中,以多形胶质母细胞瘤（GBM）为代表的脑部肿瘤、以阿尔茨海默病（AD）和帕金森病（PD）为代表的脑部神经退行性疾病,全球患病人数高,造成的后果严重,尤其受到关注。现有的药物治疗效果不理想,主要是由于游离药物在病灶/靶点部位的有效药物浓度较低。具体而言,药物的血液循环半衰期较短,药物在病灶部位的富集程度较低,药物对目标部位的靶向能力较差,药物在靶点部位的可控释药能力不足。针对以上问题,论文设计并构建了分别针对GBM、AD和PD的纳米输递体系用于药物和抗原的递送,并且通过体外实验和体内实验考察了体系的输递效率和治疗效果。论文的具体研究内容如下:（1）设计了一种由聚（氨基酸）构建的微环境响应型的纳米输递体系包载抗肿瘤药物阿霉素（DOX）用于GBM的治疗（DOX@PLSPL）。该纳米体系不仅能够延长药物的血液循环半衰期,提高药物在肿瘤病灶部位的富集,而且可以在病灶部位实现可控释药。DOX@PLSPL为水力学粒径约127 nm、形貌较均一的球形胶束。体系具有较高的载药效率（32.5%）和ROS响应释药能力。相较于游离药物DOX,体系显着提高了细胞胞吞效率（药物入胞效率提高1.8倍）。同时,体系具有与游离DOX相似的肿瘤细胞杀伤能力和较高的生物相容性。相较于游离DOX,DOX@PLSPL的药物血液循环半衰期延长了 2.3倍,在肿瘤病灶部位的药物富集提高了 3.1倍,并且将药物抗肿瘤能力提升了 1.75倍。此外DOX@PLSPL还表现出较高的生物安全性。（2）设计了一种靶向修饰的纳米输递体系包载抗原Tau多肽用于AD的免疫治疗（MPEG-Chol-MPLA-P）。该体系能够高效靶向抗原提呈细胞,有效刺激抗原提呈细胞成熟,激活免疫反应。MPEG-Chol-MPLA-P为水力学粒径约117nm的纳米颗粒。体系具有较高的抗原包载率（70.8%）和良好的抗原保护性。通过膜融合方式,体系显着提高了抗原的入胞效率（是游离抗原的3.2倍）。MPEG-Chol-MPLA-P能够有效刺激细胞成熟（CD40阳性表达提高了 3.7倍,MHCⅡ表达提高了 1.4倍）,激活免疫反应。相较于游离抗原,MPEG-Chol-MPLA-P能够有效地诱导抗原提呈细胞迁移进入淋巴结,提高抗原在淋巴结的富集水平（是游离抗原的2.7倍）。此外,体系显着改善了 AD行为学水平:AD鼠体系治疗组的Morris水迷宫穿台次数提升4倍,目标象限停留时间比例提升2倍。同时,MPEG-Chol-MPLA-P明显修复了 AD神经元损伤。（3）设计了一种具有ROS-酯酶双响应性的可示踪纳米杂化复合物负载基因-化学联合药物用于PD的协同治疗（GC-TRIO）。该纳米颗粒能够显着改善药物在脑部病灶的富集水平,并且具有在病灶部位可控释药的能力。GC-TRIO为水力学粒径约32 nm、形貌较均一的球形纳米颗粒。体系具有良好的稳定性,siRNA负载能力和MRI灵敏性（弛豫率为对照组的2.1倍）。同时,体系表现出较好的血脑屏障跨越能力（神经元靶向效率提高1.6倍）,明显提高了药物在胞内的内涵体逃逸能力和响应性释药能力,有效提升了病灶细胞的治疗效果（病灶细胞ROS水平下降15倍,线粒体功能恢复8.6倍,α-syn含量下降8.7倍）。此外,GC-TRIO在PD鼠表现出明显的脑部病灶药物富集作用和磁共振示踪能力。综上所述,论文根据GBM、AD和PD的治疗瓶颈问题,分别提出了相应的治疗策略,并且通过纳米输递体系将所包载的药物/抗原有效输送至目标部位,显着提高了靶点细胞的有效药物/抗原浓度,明显改善了疾病治疗的效果,为今后脑部疾病的治疗提供了新的可能。
乔颖婧[3]（2021）在《结合引导滤波和改进FCM的脑MR图像分割算法研究》文中指出近年来,脑疾病逐渐成为影响我国国民身体健康的一大隐患,据统计,每年我国有超过百万级国民因脑部疾病而死亡。随着医学影像技术的发展,磁共振（Magnetic Resonance,MR）成像因其高效性和安全性,被广泛应用在脑功能和脑部病变的检测中。脑MR图像成为深入研究和分析脑组织以及脑部疾病的重要媒介。其中对脑MR图像的分割作为后续脑图像分析的预处理环节,其分割效果直接决定了后续研究的结果,是对脑组织进行研究和临床诊断的关键步骤。因此,提出一种高效的脑MR图像分割方法是十分必要的。本文在深入学习现有脑MR图像分割算法的基础上,结合脑MR图像自身的特点,对模糊C均值（Fuzzy C-means,FCM）算法进行研究。FCM算法是一种可将图像中各像素点分配到两个或多个类别中的软聚类算法。FCM算法的模糊性使其被广泛应用在脑MR图像的分割工作中。但是该算法在分割脑MR图像时也存在易受噪声干扰、初始参数随机生成以及分割结果边缘信息缺失的问题。基于此,本文提出结合引导滤波和改进FCM的脑MR图像分割算法。首先将图像的纹理特征与灰度特征结合构成融合特征。然后综合考虑像素点的邻域密度和距离关系自适应选取初始聚类中心。之后使用融合特征作为算法聚类迭代的特征约束。最后,使用引导滤波算法对聚类后的像素进行修正处理,弥补损失的边缘细节信息。本文包括以下两个创新点:（1）针对基于FCM的脑MR图像分割算法存在噪声敏感性和初始聚类中心随机性的问题,提出融合Tamura纹理特征的改进FCM脑MR图像分割算法。该算法首先将图像的Tamura纹理特征与灰度特征进行线性加权融合构成融合特征,增加图像锐度;然后利用像素点的模糊邻域密度和像素点间的距离关系自适应选取初始聚类中心;最后使用融合特征作为像素点间相似性计算的特征约束,对图像进行分割。该算法在提高算法抗噪性和分割精度的同时,减少迭代次数,有效降低算法运行耗时。（2）针对模糊聚类算法分割脑MR图像存在边缘细节信息缺失的问题,提出一种基于引导滤波算法的像素修正方法。该方法以原始图像作为引导滤波算法的导频信息,将分割图像获得的最优隶属度进行拆分,对拆分后的隶属度矩阵进行边缘增强和像素点修正处理,进一步提高了算法的分割精确度。实验用本文所提算法对模拟脑MR图像和真实脑MR图像两个数据集进行分割,并从算法抗噪性、分割准确性和运行效率三个维度分析其性能。实验结果表明,在噪声和灰度不均匀水平较高的模拟脑MR图像中,本文算法的分割精度能够达到90.73%;在真实脑MR图像中,本文算法的分割精度达到了92%。本文所提算法能获得与聚类结果更为接近的初始聚类中心,在处理噪声和灰度不均匀图像时表现出更好的鲁棒性,能在减少算法运行耗时的同时获得较高的图像分割精度。综上所述,本文所提算法能够快速有效地实现对脑MR图像的精确分割。
饶伟源[4]（2020）在《MR图像脑组织模糊聚类分割方法研究》文中指出随着计算机技术的飞速发展,核磁共振成像（MRI）技术已经广泛的应用于医学研究和临床应用的各个阶段。其中,医学图像分割技术是其他医学图像分析技术的基础。在MR图像分析过程,图像分割技术具有十分重要的地位,图像分割的质量会直接影响其他辅助诊断结果的优劣。本课题研究脑部MR图像的脑组织分割技术,目的在于通过聚类算法将脑组织分割为脑白质、脑灰质和脑脊液三大类。在脑部MR图像中,由于噪声、偏移场效应、部分容积效应以及人脑物理结构差异的影响,图像组织边缘会变得模糊不清,对脑组织的准确分割带来困难。本文主要针对模糊C均值聚类算法（FCM）对脑部MR图像进行分割时会受到噪声和偏移场效应影响的问题进行研究,取得的主要研究成果如下:（1）针对FCM算法对噪声图像分割准确率较低的问题,提出了一种自适应非线性加权的FCM改进算法。该算法充分考虑了图像局部灰度信息和局部空间信息,构造出一种新的相似测度,利用该相似测度构造出了一个局部模糊因子,将该模糊因子应用于基于局部信息的FCM算法（FLICM）中。而且由于采用了新的距离测度来描述像素和聚类中心的距离,算法的分割准确率进一步提高。实验结果表明,该算法可以取得良好的脑组织分割结果,具有较强的噪声抑制能力。（2）针对脑部MR图像偏移场效应,本文在偏移场校正的FCM算法（BCFCM）的基础上引入了含有局部偏移场信息的约束项,提出了一种偏移场校正FCM算法。该算法在BCFCM的目标函数中添加了一项包含局部偏移场信息的约束项,保持了BCFCM算法在偏移场图像上的优势,而且由于局部偏移场信息约束项的加入使得偏移场的估计更加平滑,图像边缘区域的分割更加准确。实验结果表明,该改进算法的分割效果优于BCFCM算法。本文对脑部MR图像脑组织分割模糊聚类方法进行研究,针对噪声和偏移场效应两个问题,提出两种改进算法,提高了算法对噪声图像和偏移场效应图像的分割准确性。
刘霖颖[5]（2020）在《帕金森病靶向输递体系用于基因-化药协同治疗的研究》文中研究表明对于以帕金森病为典型的神经退行性疾病,目前治疗方法的瓶颈在于无法缓解多巴胺能神经元退行性病变进程。对于有望逆转神经元退行性病变的药物如基因药物和化学药物,其脑部递送存在以下共性关键科学问题:单一效果不佳,药物组织渗透差,病灶富集低,可控释药难及难以示踪。现有用于脑疾病研究的纳米药物主要依赖于血脑屏障（BBB）的简单渗透或靶向神经元（例如使用CPP和其他肽）的开发。然而,由于大脑生理机能复杂且药物传递障碍是连续的,因此这些单一的传递步骤解决方案通常不具有高效性。因此,通过合理设计实现脑部组织的高效药物富集是脑部疾病药物递送的难点。基于此,我们构建了一种CT可视化金纳米颗粒基因-化药联合递送体系。该体系可实现药物脑部高效富集和协同治疗,具体内容如下:（1）该体系实现了药物的级联靶向:通过细胞穿透肽B6介导纳米颗粒通过血脑屏障渗透进入脑部组织,马吲哚介导纳米颗粒靶向神经元,显着提高药物在病灶的富集。（2）该体系实现了药物的可控释放:利用载体中硫醚键在H2O2响应下释放药物,实现载体在神经元内可控释药。（3）该体系实现了药物输递过程的可视化:在该Fe3+响应性金纳米颗粒造影剂内核的作用下,患病小鼠脑部CT区域有信号增强,提示纳米颗粒在脑部富集。在治疗效果方面,该联合给药纳米颗粒可发挥协同作用,有效改善帕金森病小鼠运动行为学特征,尤其在改善小鼠脑部黑质区多巴胺能神经元α-Syn蛋白和恢复小鼠脑部黑质区神经元数目等方面具有显着性作用。因此,该可视化靶向纳米系统可为缓解多巴胺能神经元退行性病变提供载体平台。针对现有传统合成递送系统存在天然免疫应答和入胞方式不佳等问题,外泌体因其血液循环的免疫惰性和膜融合入胞等优势被应用于脑部疾病的药物递送,但现有研究中外泌体难以实现将基因药物和化学药物同时高效递送至脑部病灶。因此,利用天然载体实现其携载药物在脑部组织的高效药物富集是脑部疾病药物递送的难点。本课题构建了外泌体涂层聚合物杂化联合递送纳米颗粒用于基因药物siSNCA和姜黄素协同治疗。主要方法由合成和组装过氧化氢响应的基因-化药聚合物载体,外泌体的分离和靶向多肽修饰以及复合物组装三部分组成。该体系可实现药物脑部高效富集,具体内容如下:（1）该体系实现了药物的脑部组织渗透和病灶富集:通过外泌体表面修饰的靶向多肽RVG介导纳米颗粒通过血脑屏障渗透进入脑部组织并靶向神经元,显着提高药物在病灶的富集;（2）该体系实现了药物的可控释放:利用外泌体膜融合作用,改善双载药聚合物内吞方式由内涵体途径转为膜融合途径,释放聚合物双载药内核于细胞质,载体内核中苯硼酸基团在H2O2响应下释放药物,实现载体在神经元内可控释药。在治疗效果方面:（1）上述高效递送优势可增强siSNCA和姜黄素协同治疗效果。（2）该体系在多种动物帕金森病模型治疗中获得良好效果:分别在MPTP诱导的帕金森病小鼠,纹状体内单侧注射α-Syn寡聚体帕金森病大鼠,纹状体内单侧注射α-Syn寡聚体帕金森病食蟹猴模型行为学改善中均发挥了积极作用。（3）本研究初步证实了该体系对T细胞免疫抑制作用,其可为研究未成熟树突状外泌体载体系统的治疗提供新思路。因此,本课题基于基因药物siSNCA和化学药物姜黄素对α-突触核蛋白聚集体清除的潜在协同作用,围绕基因-化学药物联合递送策略展开,构建了两种靶向递送体系:CT可视化金纳米颗粒基因-化药联合递送体系和外泌体涂层聚合物杂化联合递送纳米颗粒,实现了脑部疾病药物递送的联合给药,高药物组织渗透,高病灶富集,可控释药和可视化递送,解决了基因和化药在脑部的高效富集的难点,缓解了神经元退行性病变,为帕金森病靶向治疗提供前瞻性方案。
李梓萌[6]（2020）在《脑部MRI图像的分割与识别》文中提出最近几年,医学成像的发展越来越迅速,目前主要的成像技术有:超声成像（Ultrasound,US）,电子计算机断层扫描（Computed Tomography,CT）,正电子发射型计算机断层显像（Positron Emission Tomography,PET）,磁共振成像（Magnetic Resonance Imaging,MRI）等。由于磁共振成像技术不需要注射放射性同位素,所以它比CT、PET等成像技术更加的安全。随着成像技术的成熟,计算机智能诊断技术也开始发展起来,目前已经提出了大量的医学图像处理算法,可以帮助医生做初期的临床诊断。脑部MRI图像的分割与识别是医学图像处理中必不可少的步骤,所以对脑部MRI图像的分割与识别的研究有重要意义。目前,脑部MRI图像的分割方法主要有两种,一种是传统的聚类技术及其改进方法,它的主要原理是利用不同的距离测度公式将图像中有类似特征的像素划分为同一类别,以此达到分割的目的;另一种方法是目前计算机领域广泛研究的机器学习和深度学习算法。这类算法首先要手动或自动提取图像的某些特征,然后对训练集图像进行多次特征学习得出一定规律后就能分割测试集中的图像。这两类方法都只是利用了图像的像素级特征忽略了脑部结构特征,所以分割准确率具有一定的局限性。近年来,机器学习算法和深度学习算法被广泛应用到脑部MRI图像识别中,传统的分类器,比如支持向量机（SVM）,随机森林分类器（RF）等都需要人为的选择脑部MRI图像的某些特征,如灰度特征,位置特征,纹理特征等,但是由于脑部疾病的多变性,人为选择的特征有很多并不能很好的代表图像特性,这些特性不但不能有助于图像识别,甚至可能导致识别错误,产生误诊风险。另外,深度学习算法虽然能自动的提取有利于分类的脑部MRI图像特征,并且能取得较高的分类准确率,但是由于训练深度卷积神经网络需要大量的训练数据集,而医学图像数据又十分有限,所以在训练过程中常常会出现过拟合问题。为了进一步提高脑部MRI图像的分割和识别准确率以及解决医学图像数据集过小的问题,本文做了如下两部分研究:（1）本文提出了一种结合生物特征的脑部MRI图像分割算法,基于脑脊液中心部分为H型区域的先验知识,利用Canny边缘检测算法和傅立叶描述子直接将脑脊液部分分割出来,然后结合模糊局部信息C-均值聚类（FLICM）算法和随机森林算法实现对脑灰质和脑白质部分的无监督分割。（2）本文提出了一种结合迁移学习和支持向量机的脑部MRI图像识别算法,利用预训练好的卷积神经网络提取脑部MRI图像特征,然后再用支持向量机分类器对脑部MRI图像进行识别,既不需要训练整个深度卷积神经网络也不需要人为的选择图像特征,解决了由于数据集过少导致的过拟合问题。针对以上两种方法,我们利用网上公开的脑部MRI图像数据库分别进行了实验,实验结果表明对比传统方法以及目前先进的方法,本文提出的脑部MRI图像的分割及识别算法均获得了较高的准确率。
梁怡凡[7]（2020）在《抗抑郁药治疗卒中后抑郁的疗效性和安全性比较 ——网状荟萃分析》文中指出目的:约1/3卒中幸存者患有卒中后抑郁（post-stroke depression,PSD）。对于PSD患者,是否应该应用抗抑郁药以及选用何种抗抑郁药仍然存在争议。本研究采用网状荟萃分析方法,通过整合直接证据和间接证据,系统评价所有可能的治疗PSD的抗抑郁药的疗效性和安全性,并进行排秩,旨在为临床应用提供更可靠的循证医学证据。方法:系统检索MEDLINE,Embase,Psyc INFO,Cochrane Central Register of Controlled Trials（CENTRAL）和Web of Science数据库,获取所有抗抑郁药单药治疗急性期PSD的随机对照试验,检索时间为建库至2019年1月1日。患者需经临床或影像学检查诊断为卒中、并在卒中发病后诊断为抑郁症。利用Stata软件进行网状荟萃分析,首要结果指标是有效性,定义为急性期治疗期间抑郁评分的平均改变量,以标准化均数差（standardized mean difference,SMD）和95%可信区间（confidence interval,CI）表示;次要结局指标是安全性,定义为全因停药率,以比值比（odds ratio,OR）和95%CI表示。结果:共纳入12项研究的707例患者,包括安慰剂在内共11种抗抑郁药。就有效性而言,除舍曲林（SMD-0.61,95%CI-1.47～0.25）、奈非西坦（SMD 0.51,95%CI-0.17～1.19）和氟西汀（SMD 0.46,95%CI-0.35～1.27）外,所有抗抑郁药的疗效均显着优于安慰剂;其中,瑞波西汀的疗效最佳（SMD-6.54,95%CI-8.42～-4.65）,奈非西坦的疗效最差;疗效排秩前三的药物为瑞波西汀、帕罗西汀和多虑平,累积概率分别为100%,85.7%和83.2%。就安全性而言,帕罗西汀的安全性显着优于多虑平（OR 0.04,95%CI 0.00～0.73）、西酞普兰（OR 0.03,95%CI 0.00～0.78）和氟西汀（OR 0.04,95%CI 0.00～0.89）,其余药物的安全性比较差异无统计学意义;与安慰剂相比,帕罗西汀的安全性最佳（OR 0.09,95%CI 0.00～1.83）,西酞普兰的安全性最差（OR 3.42,95%CI 0.73～15.91）;安全性排秩前三的药物为帕罗西汀、安慰剂和舍曲林,累积概率分别为92.4%、63.5%和57.3%。结论:综合考虑有效性和安全性排秩之后,本研究认为对于PSD急性期的治疗,帕罗西汀可能是最优选择,而氟西汀可能是最差选择。
周航[8]（2020）在《MRI颅部图像血管梗塞识别与分割算法的研究》文中认为脑梗塞,又名脑梗死,指在大脑中由于脑部血液循环障碍,导致脑组织大面积缺血缺氧性坏死。在临床诊断中,通过核磁共振技术MRI确定脑梗塞时,病变组织有形状复杂,大小可变和边界模糊的特点。因此,需要经验丰富的临床技师进行观察和手动标注,常有因为技师不同有不同诊断结果的问题。目前深度学习开始广泛应用于医学图像处理中,用深度学习的方法对脑血管梗赛的病灶位置进行识别和分割,从而代替人工技师。加快临床诊断的速度和减少误诊、漏诊情况的发生。因此研究多尺度目标检测算法和自适应精确分割算法是非常有必要的。本文首先从理论研究和临床实践的意义进行阐明,然后对国内外研究现状做介绍。其次,对本课题的相关知识重点介绍。然后重点阐述本文所提出的算法,包括数学推理、算法操作步骤。最后根据实验结果,做出评价分析。本文主要创新点如下:（1）针对脑部MRI图像检测识别脑梗塞病症的问题,提出Cerebrum R-CNN框架。将2D R-CNN网络扩展到3D医学影像检测,在特征提取网络FE-Net中加入多种残差模块和使用最邻近插值法,特征对齐模块CerebrumRoIAlign加入三线性插值模式和分类单元Softmax3,区域推荐网络CerebrumRPN中使用分类单元Softmax2,对输出RoI区域所属脑部组织进行划分。同时,在边界框预测网络CerebrumBox中使用二次对齐机制来保证输出候选框的准确率。与传统识别等方法相比,本论文提出Cerebrum R-CNN模型对于本实验数据集检测其准确率为86%、召回率为79%、IoU为87.1%。（2）针对脑部MRI图像脑梗塞病症分割的问题,改进、提出自适应分割CerebrumFCM算法。在经典FCM（Fuzzy C-Means）算法基础上,提出邻域局部约束SFFCM算法,更进一步引入量子粒子群和空间转换思想,同时加入局部灰度统计方法,进而提出CerebrumFCM算法。本论文提出的自适应分割CerebrumFCM算法在本实验数据集上Dice系数为84.12%,性能表现超过现有FCM及其改进算法。
刘亚静[9]（2019）在《光声分子成像精准分析脑组织成分和诊断脑血管病变》文中研究说明光声（Photoacoustic,PA）分子成像是一种非介入、非电离、无辐射的的影像学技术。利用光激发生物组织获得超声信号,PA成像技术同时具有光学成像和超声成像的优点,能够从细胞到器官,从解剖到功能,从分子到代谢进行多尺度和多功能的成像监测,具有高灵敏度和特异性。由于能够无创的可视化与脑部疾病相关的内源发色团、生物标志物和外源造影剂,PA分子成像可以在亚细胞和细胞水平上对特定分子靶点、受体和生化过程进行非侵入性成像监测。在研究大脑结构和功能、诊断大脑疾病等方面发挥了不可或缺的作用。PA分子成像联合多模态成像手段实现优势互补,将会促进未来神经影像和诊断医学的发展。本文首先介绍了多光谱PA分子成像在准确分析脑组织成分中的应用。结合具有近红外（Nearinfrared,NIR）吸收的克酮酸衍生物作为多功能PA造影剂,进一步研究了 PA分子造影技术在脑血管相关疾病监测及准确诊断中的作用。本论文主要从四个部分展开:1、第一章,我们系统阐述了 PA成像的基本原理、主流的PA成像技术、PA成像的最新发展以及其在早期诊疗中的应用。同时也分析了脑部疾病现有的诊断技术以及存在的问题,介绍了 PA分子成像在脑部疾病诊断中的潜在应用,最后展望了 PA分子成像结合多模态成像技术在脑血管疾病诊断中的应用前景。2、第二章,脑组织基本组成成分（如脂质、蛋白质和DNA）的相互作用及分布,在研究脑的结构和功能以及疾病的病理机制方面起关键作用。不同种类的细胞组分在不同的光学窗口中具有不同的特征吸收光谱,利用这一特性,我们设计了宽波段多光谱光学分辨的PAM成像系统（Wide-band multispectral optical resolutionphotoacousticmicroscopy,wbmOR-PAM）,它的波长覆盖了紫外区到短波红外区,能够无标记地捕获脑组织的多种细胞成分,而且在整个过程中,无需复杂的操作和重复的染色。我们提出了高效的磷脂指纹图谱方法,为研究磷脂相关的脑部疾病提供了重要的理论依据。由于具有多个波长,这个新兴的成像技术为探索更多的细胞成分提供了新的思路,同时为发现脑组织组成成分的细微变化以及探索疾病的发病机理提供新的方法。3、第三章,本研究利用PA分子成像能够同时成像血管及外源造影剂,实现对脑淀粉样血管病变的特异性监测。脑淀粉样血管病变（Cerebral amyloid angiopathy,CAA）是一种脑血管病,其特点是淀粉样蛋白沉积在柔脑膜、大脑的皮层动脉和静脉的血管壁。我们基于克酮酸小分子染料,设计合成了一种具有NIR吸收的PA造影剂（Croconium dye for amyloid,CDA）,这类克酮酸衍生物可与脑血管淀粉样蛋白特异结合,不需要与抗体连接。将这个多功能特异的探针标记放射性18F后,可以对大脑皮层的Aβ斑块进行超灵敏的NIR-I PA分子成像/正电子发射断层扫描（Positron emission tomography,PET）/荧光成像。实验结果表明,基于CDA的功能化染料结合PA/PET多模态成像技术可以实现对CAA的准确成像和定位。4、第四章,与传统的近红外一区（First NIR window,NIR-I）PA成像相比,（Second NIR window,NIR-Ⅱ）近红外二区PA成像具有较低的光衰减和背景干扰,在深度脑胶质瘤以及脑血管病变诊断方面具有很大的潜力。胶质瘤是最常见的颅内原发性恶性肿瘤,肿瘤处血管发生病变。高灵敏的成像深部胶质瘤并对其准确识别对于疾病的诊断至关重要。基于前期对具有NIR吸收的克酮酸类染料的研究,我们进一步发现了一种在NIR-Ⅱ窗口具有强吸收的克酮酸衍生物A1094,它能够被巧妙地封装在携带环性Arg-Gly-Asp（RGD）的乙型肝炎病毒核心蛋白（Hepatitis B virus core protein,HBc）病毒样颗粒中,聚集后吸收明显增强,即发生了聚集诱导吸收增强现象（Aggregation induced absorption enhancement,AIAE）。在注射探针后,体内PA信号发生显着增强。高分辨率PA成像结合超灵敏的单光子发射计算机断层扫描（Single photon emission computed tomography,SPECT）技术,实现了对5.9 mm深的脑胶质瘤的无创监测,这一结果为大脑深部肿瘤准确诊断提供新的希望。
郑天依[10]（2019）在《基于机器学习的癫痫及精神异常脑电信息识别研究》文中提出癫痫和精神分裂症都是常见的脑部疾病,随着生活水平的提高,人们对该两类疾病的发病机理和治疗手段的关注日益增加。脑部疾病EEG（Electroencephalogram）信号处理和识别算法是实现生物电信号智慧医疗的重要手段,医生虽然可以结合先验知识及相关理论对脑电图进行主观判断,制定针对患者的医学治疗方法。但是,这种主观判断方法极易出错,并且效率不高。先进的信号处理技术、深度神经网络技术等为快速精准的智慧医疗提供了新方法和新手段,因此,采用先进的信号处理与机器学习技术,实现脑部疾病的自动检测、识别与诊断治疗具有重要意义。（1）提出了一种基于小波双谱能量熵和颜色矩的信号特征提取算法,用于癫痫信号处理和分类识别。针对脑电信号的特性（非平稳性、非线性、非高斯性等）,将小波与双谱分析方法结合,发挥小波变换与高阶谱估计信号处理方法各自的优势,得到小波双谱理论。本文采用小波双谱能量熵和颜色矩的组合特征矢量[En,μ,ζ]作为癫痫脑电信号特征提取的方法,对癫痫信号进行了分类识别。结果显示该算法可以有效的区分癫痫发作期和发作间期的脑电信号,为接下来的自动识别工作做了充足准备。（2）提出了一种使用遗传算法对参数进行优化的双子支持向量机分类算法,通过遗传算法对双子支持向量机进行优化,可以高效的确定惩罚参数和高斯核函数参数,得出最优模型。结果表明新算法将癫痫临床脑电信号的敏感性提高至92.40%,总识别率提高至94.47%,且特异性为84.74%,AUC（Area Under Curve）为96.308%,其中,单个病人的最高识别率则达到99.05%。该方法避免了因主观因素或判断标准的不同而产生诊断结果的偏差,较用于统一数据来源的机器学习方法的AUC提升了约1%,为实用医学中准确判断和预防癫痫疾病创造了坚实的基础。（3）针对精神分裂症患者的脑电信号,提出了基于改进的VGGNet的精神分裂症脑电自动识别算法,构建不同网络层数和不同卷积核大小的VGGNet网络对精神分裂症脑电信号进行自动识别,通过比较,最终选择分类准确率最高的网络模型:卷积核大小为5*5的13层VGG网络。使用该深度学习算法与本文第三、四章提出的新机器学习算法分别对精神分裂症脑电信号进行分类研究。实验结果显示,基于改进的VGG网络深度学习算法所得识别率为84.34%,优于新的机器学习算法,平均识别率为81.45%。综上所述,本文提出的算法均可以及时的发现脑部疾病的隐情,对有癫痫疾病或精神分裂症倾向的测试者进行积极干预,从而实现对脑部疾病EEG信号的自动识别,完成疾病的早期评估,进而实现针对脑部疾病的早预防、早发现、早治疗。脑部疾病的自动检测分析可以对测试者的神经模式进行区分,对具有特定类型脑部疾病数据进行有效分类,更加有效地管理疾病,提升疾病的诊疗水平。
二、对脑部疾病患者健康教育的效果评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对脑部疾病患者健康教育的效果评价（论文提纲范文）
（1）面向阿尔茨海默病的多模态影像数据融合分析方法（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语简表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多模态数据在阿尔茨海默病的应用 |
| 1.2.2 数据融合方法在阿尔茨海默病的应用 |
| 1.3 本文主要研究内容和组织结构 |
| 第二章 基础理论及技术 |
| 2.1 医学成像技术原理 |
| 2.1.1 核磁共振成像 |
| 2.1.2 正电子发射断层扫描成像 |
| 2.2 分类器模型 |
| 2.2.1 支持向量机 |
| 2.2.2 BP神经网络 |
| 2.2.3 XGBoost集成分类器 |
| 2.3 模型性能评价指标 |
| 2.4 本章小结 |
| 第三章 基于像素级融合的AD分类模型 |
| 3.1 实验数据 |
| 3.1.1 ADNI数据集 |
| 3.1.2 入组被试信息 |
| 3.2 数据预处理 |
| 3.2.1 sMRI数据的预处理 |
| 3.2.2 PET数据的预处理 |
| 3.3 PET和 sMRI数据像素级融合 |
| 3.4 影像数据的特征提取 |
| 3.4.1 基于自动解剖标记的特征提取 |
| 3.4.2 基于显着性分析的特征提取 |
| 3.4.3 基于三维稀疏自编码器的特征提取 |
| 3.5 实验结果分析 |
| 3.5.1 不同特征提取方法的对比 |
| 3.5.2 单模态数据与多模态数据的对比 |
| 3.5.3 不同分类器模型的对比 |
| 3.6 本章小结 |
| 第四章 多模态数据特征级融合方法 |
| 4.1 基于典型相关分析的融合方法 |
| 4.1.1 算法原理 |
| 4.1.2 算法流程 |
| 4.1.3 实验结果 |
| 4.2 基于核典型相关分析的融合方法 |
| 4.2.1 算法原理 |
| 4.2.2 算法流程 |
| 4.2.3 实验结果 |
| 4.3 基于结构化稀疏典型相关分析的融合方法 |
| 4.3.1 算法原理 |
| 4.3.2 算法流程 |
| 4.3.3 实验结果 |
| 4.4 三种特征融合方法对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（2）靶向纳米输递体系用于重大脑部疾病治疗的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 脑部疾病概述 |
| 1.2 多形胶质母细胞瘤(GBM) |
| 1.2.1 多形胶质母细胞瘤(GBM)概述 |
| 1.2.2 多形胶质母细胞瘤(GBM)的治疗现状 |
| 1.2.3 多形胶质母细胞瘤(GBM)的化学药物治疗的不足 |
| 1.2.4 多形胶质母细胞瘤(GBM)的纳米药物输递体系治疗 |
| 1.3 阿尔茨海默病(AD) |
| 1.3.1 阿尔茨海默病(AD)的病理特征 |
| 1.3.2 阿尔茨海默病(AD)的免疫治疗现状 |
| 1.3.3 阿尔茨海默病(AD)的免疫治疗的不足 |
| 1.3.4 阿尔茨海默病(AD)的免疫治疗输递体系 |
| 1.4 帕金森病(PD) |
| 1.4.1 帕金森病(PD)的病理特征 |
| 1.4.2 帕金森病(PD)的治疗现状 |
| 1.4.3 帕金森病(PD)的药物治疗的不足 |
| 1.4.4 帕金森病(PD)的纳米药物输递体系治疗 |
| 1.5 立题依据和研究目标 |
| 1.5.1 立题依据 |
| 1.5.2 论文工作目标 |
| 第2章 聚合物纳米输递体系用于多形胶质母细胞瘤的治疗 |
| 2.1 引言 |
| 2.2 实验方法 |
| 2.2.1 实验材料及试剂 |
| 2.2.2 实验仪器 |
| 2.2.3 聚合物材料的制备与表征 |
| 2.2.4 两亲嵌段共聚物聚(赖氨酸-亮氨酸)poly(lysine-leucine)的ROS响应性的表征 |
| 2.2.5 两亲嵌段共聚物聚(赖氨酸-亮氨酸)poly(lysine-leucine)的临界胶束浓度(CMC)的表征 |
| 2.2.6 具有ROS响应性并包载DOX的聚(赖氨酸-亮氨酸)纳米颗粒(DOX@PLSPL)的组装与表征 |
| 2.2.7 DOX@PLSPL的血清稳定性的考察 |
| 2.2.8 DOX@PLSPL的DOX载药效率检测 |
| 2.2.9 DOX@PLSPL的DOX响应性释放检测 |
| 2.2.10 DOX@PLSPL的体外评价 |
| 2.2.11 DOX@PLSPL的体内评价 |
| 2.3 结果与讨论 |
| 2.3.1 聚合物材料的制备与表征 |
| 2.3.2 两亲嵌段共聚物聚(赖氨酸-亮氨酸)poly(lysine-leucine)的ROS响应性的表征 |
| 2.3.3 两亲嵌段共聚物聚(赖氨酸-亮氨酸)poly(lysine-leucine)的临界胶束浓度(CMC)的表征 |
| 2.3.4 具有ROS响应性并包载DOX的聚(赖氨酸-亮氨酸)纳米颗粒(DOX@PLSPL)的组装与表征 |
| 2.3.5 DOX@PLSPL的血清稳定性的考察 |
| 2.3.6 DOX@PLSPL的DOX载药效率检测 |
| 2.3.7 DOX@PLSPL的DOX响应性释放检测 |
| 2.3.8 DOX@PLSPL的体外评价 |
| 2.3.9 DOX@PLSPL的体内评价 |
| 2.4 本章小结 |
| 第3章 靶向纳米输递体系用于阿尔茨海默病的免疫治疗 |
| 3.1 引言 |
| 3.2 实验方法 |
| 3.2.1 实验材料及试剂 |
| 3.2.2 实验仪器 |
| 3.2.3 靶向脂质分子二硬脂酰基磷脂酰乙醇胺-聚乙二醇2000-甘露糖苷(DSPE-PEG-Man)的制备与表征 |
| 3.2.4 靶向纳米输递体系(MPEG-Chol-MPLA-P)的组装与表征 |
| 3.2.5 靶向纳米输递体系(MPEG-Chol-MPLA-P)的体外评价 |
| 3.2.6 靶向纳米输递体系(MPEG-Chol-MPLA-P)的体内评价 |
| 3.3 结果与讨论 |
| 3.3.1 靶向脂质分子二硬脂酰基磷脂酰乙醇胺-聚乙二醇2000-甘露糖苷(DSPE-PEG-Man)的制备与表征 |
| 3.3.2 靶向纳米输递体系(MPEG-Chol-MPLA-P)的组装与表征 |
| 3.3.3 靶向纳米输递体系(MPEG-Chol-MPLA-P)的体外评价 |
| 3.3.4 靶向纳米输递体系(MPEG-Chol-MPLA-P)的体内评价 |
| 3.4 本章小结 |
| 第4章 基因-化药联合递送体系用于帕金森病的可示踪协同治疗 |
| 4.1 引言 |
| 4.2 实验方法 |
| 4.2.1 实验材料及试剂 |
| 4.2.2 实验仪器 |
| 4.2.3 高分子材料的合成 |
| 4.2.4 纳米颗粒的制备 |
| 4.2.5 纳米颗粒的表征 |
| 4.2.6 纳米颗粒的siRNA结合能力 |
| 4.2.7 体外模拟siRNA的ROS响应释放 |
| 4.2.8 GC-TRIO的质子缓冲效应 |
| 4.2.9 药物递送体系的体外评价 |
| 4.2.10 药物递送体系的体内评价 |
| 4.3 结果与讨论 |
| 4.3.1 高分子的合成与表征 |
| 4.3.2 SPIONs的合成与亲水转相 |
| 4.3.3 siRNA的负载与表征 |
| 4.3.4 药物递送体系的体外评价 |
| 4.3.5 药物递送体系的体内评价 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 引言 |
| 5.2 主要结论 |
| 5.3 创新点总结 |
| 5.4 今后的工作建议 |
| 参考文献 |
| 附录 补充数据 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）结合引导滤波和改进FCM的脑MR图像分割算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 MR成像技术及脑MR图像分割的难点 |
| 1.2.1 MR成像技术 |
| 1.2.2 脑MR图像分割的难点 |
| 1.3 脑MR图像分割研究现状 |
| 1.3.1 基于像素的分割方法 |
| 1.3.2 基于图谱的分割方法 |
| 1.3.3 基于活动轮廓的分割方法 |
| 1.4 研究内容与组织结构 |
| 1.4.1 本文研究内容 |
| 1.4.2 本文组织结构 |
| 1.5 本章小结 |
| 第2章 基于FCM算法的脑MR图像分割技术 |
| 2.1 模糊集与模糊聚类 |
| 2.1.1 模糊集理论 |
| 2.1.2 模糊聚类 |
| 2.2 FCM算法 |
| 2.2.1 FCM算法的基本原理 |
| 2.2.2 FCM算法流程 |
| 2.3 基于FCM的脑MR图像分割算法 |
| 2.4 本章小结 |
| 第3章 结合引导滤波和改进FCM的脑MR图像分割算法概述 |
| 3.1 算法概述 |
| 3.1.1 基于改进FCM的图像分割过程 |
| 3.1.2 结合引导滤波的图像修正过程 |
| 3.2 算法总结 |
| 3.3 本章小结 |
| 第4章 融合Tamura纹理特征的改进FCM脑 MR图像分割算法 |
| 4.1 基于融合特征的相似度计算方法 |
| 4.1.1 医学图像的纹理特征 |
| 4.1.2 Tamura纹理特征的提取 |
| 4.1.3 基于融合特征的相似度计算 |
| 4.2 基于模糊邻域关系的初始参数自适应选取方法 |
| 4.2.1 模糊邻域密度的计算 |
| 4.2.2 初始聚类中心的选择 |
| 4.3 算法总结 |
| 4.4 本章小结 |
| 第5章 基于引导滤波算法的像素修正方法 |
| 5.1 图像边缘保持算法的选择 |
| 5.1.1 非局部边缘保持算法 |
| 5.1.2 局部边缘保持算法 |
| 5.2 像素点修正方法 |
| 5.2.1 引导滤波算法计算过程 |
| 5.2.2 基于引导滤波算法的像素点修正过程 |
| 5.3 算法总结 |
| 5.4 本章小结 |
| 第6章 实验结果与分析 |
| 6.1 实验环境、数据与评价指标 |
| 6.1.1 实验环境与数据 |
| 6.1.2 实验评价指标 |
| 6.2 初始参数自适应选取方法性能分析 |
| 6.3 模拟脑MR图像实验 |
| 6.3.1 算法抗噪性分析 |
| 6.3.2 分割精确性分析 |
| 6.3.3 算法运行效率分析 |
| 6.4 真实脑MR图像实验 |
| 6.4.1 算法抗噪性分析 |
| 6.4.2 分割精确性分析 |
| 6.4.3 算法运行效率分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）MR图像脑组织模糊聚类分割方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 MR图像分割的主要难点 |
| 1.3 图像分割算法的国内外研究现状 |
| 1.3.1 基于边缘的分割方法 |
| 1.3.2 基于马尔可夫随机场的分割方法 |
| 1.3.3 基于深度学习的分割方法 |
| 1.3.4 基于灰度的分割方法 |
| 1.4 基于模糊聚类的图像分割方法研究进展 |
| 1.5 本文研究内容与结构安排 |
| 第二章 脑部MR图像预处理技术概述 |
| 2.1 脑部核磁共振图像简介 |
| 2.2 偏移场校正 |
| 2.2.1 偏移场模型 |
| 2.2.2 N4ITK算法 |
| 2.3 颅骨去除 |
| 2.4 分割算法评价 |
| 2.5 本章小结 |
| 第三章 基于模糊聚类的脑部MR图像分割 |
| 3.1 引言 |
| 3.2 模糊聚类理论简介 |
| 3.2.1 模糊理论 |
| 3.2.2 模糊聚类理论 |
| 3.3 模糊C均值算法(FCM) |
| 3.4 基于FCM的经典改进算法 |
| 3.4.1 空间邻域约束FCM算法 |
| 3.4.2 基于核函数的FCM算法 |
| 3.4.3 增强型FCM算法 |
| 3.4.4 快速广义FCM算法 |
| 3.5 实验结果及分析 |
| 3.5.1 人工合成图像实验 |
| 3.5.2 模拟脑部MR图像分割实验 |
| 3.5.3 真实脑部MR图像分割实验 |
| 3.6 本章小结 |
| 第四章 噪声抑制的FCM改进算法 |
| 4.1 引言 |
| 4.2 基于局部信息的FCM算法(FLICM) |
| 4.3 自适应非线性加权FCM改进算法 |
| 4.3.1 自适应非线性加权模糊因子 |
| 4.3.2 新的距离测度 |
| 4.3.3 改进算法 |
| 4.4 实验结果及分析 |
| 4.4.1 人工合成图像实验 |
| 4.4.2 模拟脑部MR图像分割实验 |
| 4.4.3 真实脑部MR图像分割实验 |
| 4.5 本章小结 |
| 第五章 偏移场校正的FCM改进算法 |
| 5.1 引言 |
| 5.2 偏移场校正的FCM算法(BCFCM) |
| 5.3 引入局部偏移场信息约束项的BCFCM改进算法 |
| 5.4 实验结果及分析 |
| 5.4.1 模拟脑部MR图像分割实验 |
| 5.4.2 真实脑部MR图像分割实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）帕金森病靶向输递体系用于基因-化药协同治疗的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第1章 引言 |
| 1.1 帕金森病简介 |
| 1.1.1 帕金森病病理特征 |
| 1.1.2 帕金森病基因治疗 |
| 1.1.3 帕金森病药物治疗 |
| 1.1.4 姜黄素药物治疗 |
| 1.2 帕金森病药物输递体系瓶颈 |
| 1.2.1 siRNA药物 |
| 1.2.2 siRNA药物递送材料 |
| 1.2.3 化学药物特点 |
| 1.2.4 化学药物递送材料 |
| 1.3 帕金森病药物输递体系设计方法 |
| 1.3.1 长循环特性纳米颗粒 |
| 1.3.2 共包载纳米颗粒 |
| 1.3.3 表面靶向效应纳米材料 |
| 1.4 立题依据和研究目标 |
| 1.4.1 论文立题依据 |
| 1.4.2 论文研究目标及策略 |
| 第2章 CT可视化金纳米颗粒联合递送体系构建和体外评价 |
| 2.1 引言 |
| 2.2 实验方法 |
| 2.2.1 实验材料与样品 |
| 2.2.2 实验仪器 |
| 2.2.3 聚合物材料的合成 |
| 2.2.4 金纳米颗粒的制备与表征 |
| 2.2.5 CT可视化靶向纳米药物载体MBPCS的组装 |
| 2.2.6 CT可视化靶向纳米药物载体MBPCS的理化表征 |
| 2.2.7 MBPCS环境响应特性 |
| 2.2.8 MBPCS生物相容性检测 |
| 2.2.9 MBPCS纳米药物细胞水平药物摄取 |
| 2.2.10 MBPCS纳米药物细胞水平药效评价 |
| 2.3 结果与讨论 |
| 2.3.1 聚合物材料的表征 |
| 2.3.2 金纳米颗粒的制备与表征 |
| 2.3.3 CT可视化靶向纳米药物载体MBPCS的理化表征 |
| 2.3.4 MBPCS环境响应特性 |
| 2.3.5 MBPCS生物相容性检测 |
| 2.3.6 MBPCS纳米药物细胞水平药物摄取 |
| 2.3.7 MBPCS纳米药物细胞水平药效评价 |
| 2.4 本章小结 |
| 第3章 CT可视化金纳米颗粒联合递送体系治疗帕金森病体内评价 |
| 3.1 引言 |
| 3.2 实验方法 |
| 3.2.1 实验材料与样品 |
| 3.2.2 实验仪器 |
| 3.2.3 帕金森病动物模型构建 |
| 3.2.4 MBPCS纳米药物在帕金森病动物脑部富集评价 |
| 3.2.5 MBPCS纳米药物动物水平CT成像评价 |
| 3.2.6 MBPCS纳米药物动物水平治疗评价 |
| 3.3 结果与讨论 |
| 3.3.1 帕金森病动物模型构建 |
| 3.3.2 MBPCS纳米药物在帕金森病动物脑部富集评价 |
| 3.3.3 MBPCS纳米药物动物水平CT成像评价 |
| 3.3.4 MBPCS纳米粒子动物水平治疗评价 |
| 3.4 本章小结 |
| 第4章 外泌体涂层聚合物杂化联合递送体系构建和体外治疗评价 |
| 4.1 引言 |
| 4.2 实验方法 |
| 4.2.1 实验材料与样品 |
| 4.2.2 实验仪器 |
| 4.2.3 基因-化药内核C/ANP/S的制备和表征 |
| 4.2.4 imDC EXO的制备及其RVG修饰 |
| 4.2.5 REXO-C/ANP/S的理化表征 |
| 4.2.6 REXO-C/ANP/S的内吞 |
| 4.2.7 REXO-C/ANP/S细胞水平病理抑制效果评价 |
| 4.3 结果与讨论 |
| 4.3.1 基因-化药内核C/ANP/S的制备和表征 |
| 4.3.2 imDC EXO的制备及其RVG修饰 |
| 4.3.3 REXO-C/ANP/S的理化表征 |
| 4.3.4 REXO-C/ANP/S的内吞 |
| 4.3.5 REXO-C/ANP/S细胞水平病理抑制效果评价 |
| 4.4 本章小结 |
| 第5章 外泌体涂层聚合物杂化联合递送体系体内治疗和免疫研究 |
| 5.1 引言 |
| 5.2 实验方法 |
| 5.2.1 实验材料与样品 |
| 5.2.2 实验仪器 |
| 5.2.3 药物体内分布观察 |
| 5.2.4 帕金森病小鼠模型治疗行为学评价 |
| 5.2.5 帕金森病大鼠模型治疗行为学评价 |
| 5.2.6 帕金森病非人灵长类动物模型治疗行为学评价 |
| 5.2.7 病理改善评价 |
| 5.2.8 免疫学初探 |
| 5.3 结果与分析 |
| 5.3.1 药物体内分布观察 |
| 5.3.2 帕金森病小鼠模型治疗行为学评价 |
| 5.3.3 帕金森病大鼠模型治疗行为学评价 |
| 5.3.4 帕金森病非人灵长类动物模型治疗行为学评价 |
| 5.3.5 病理改善评价 |
| 5.3.6 免疫学初探 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 创新点总结 |
| 6.2 今后工作建议 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）脑部MRI图像的分割与识别（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 脑部MRI图像分割研究现状 |
| 1.2.2 脑部MRI图像识别研究现状 |
| 1.3 论文内容与结构安排 |
| 第2章 医学图像处理技术简介 |
| 2.1 脑部核磁共振图像简介 |
| 2.2 常见的脑部MRI图像分割技术 |
| 2.2.1 传统的医学图像分割方法 |
| 2.2.2 基于聚类的医学图像分割方法 |
| 2.3 常见的脑部MRI图像识别技术 |
| 2.3.1 基于分类器的脑部MRI图像识别技术 |
| 2.3.2 基于深度学习的脑部MRI图像识别技术 |
| 2.4 本章小结 |
| 第3章 结合生物特征的脑组织MRI图像分割方法 |
| 3.1 H型区域的分割 |
| 3.1.1 预处理 |
| 3.1.2 Canny边缘检测原理 |
| 3.1.3 傅立叶描述子原理 |
| 3.1.4 基于Canny和傅立叶描述子的H型区域分割算法 |
| 3.2 其他脑部组织MRI图像分割 |
| 3.2.1 FLICM算法原理 |
| 3.2.2 随机森林分类器原理 |
| 3.2.3 基于FLICM算法和随机森林的脑组织图像分割算法 |
| 3.3 分割实验结果及分析 |
| 3.3.1 数据来源 |
| 3.3.2 分割评价方法 |
| 3.3.3 实验设计 |
| 3.3.4 实验结果分析 |
| 3.4 本章小结 |
| 第4章 结合迁移学习和支持向量机的脑部MRI图像识别 |
| 4.1 脑部MRI病理图像简介 |
| 4.2 迁移网络特征提取 |
| 4.2.1 AlexNet |
| 4.2.2 VGG16 |
| 4.2.3 Google Net |
| 4.3 支持向量机识别脑部MRI图像 |
| 4.3.1 支持向量机简介 |
| 4.3.2 脑部MRI图像的识别 |
| 4.4 识别实验结果及分析 |
| 4.4.1 数据来源 |
| 4.4.2 实验设计 |
| 4.4.3 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 作者简介 |
| 研究成果 |
| 致谢 |
（7）抗抑郁药治疗卒中后抑郁的疗效性和安全性比较 ——网状荟萃分析（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 1 前言 |
| 2 资料与方法 |
| 2.1 纳入标准 |
| 2.2 文献检索与筛选 |
| 2.3 结局指标与数据提取 |
| 2.4 统计学分析 |
| 3 结果 |
| 3.1 研究筛选结果 |
| 3.2 纳入研究特征 |
| 3.3 偏倚风险评价 |
| 3.4 有效性和安全性分析 |
| 3.5 报告偏倚和敏感性分析 |
| 4 讨论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 附录1 纳入研究的基本特征 |
| 附录2 二元荟萃分析结果 |
| 附录3 环不一致性评估结果 |
| 附录4 敏感性分析结果 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
（8）MRI颅部图像血管梗塞识别与分割算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 脑部图像识别研究现状 |
| 1.3.2 脑部图像分割研究现状 |
| 1.3.3 存在问题 |
| 1.4 本文主要研究内容 |
| 1.5 论文的组织结构 |
| 第2章 相关知识 |
| 2.1 深度学习(Deep Learning) |
| 2.1.1 人工神经网络 |
| 2.1.2 卷积神经网络 |
| 2.2 图像分割相关知识 |
| 2.2.1 传统的医学图像分割方法 |
| 2.2.2 量子粒子群算法及其优化 |
| 2.2.3 图像分割质量评估 |
| 2.3 图像识别相关知识 |
| 2.3.1 目标检测算法 |
| 2.3.2 特征提取 |
| 2.3.3 图像识别能力评估 |
| 2.4 数据集介绍 |
| 2.5 本章小结 |
| 第3章 基于Cerebrum R-CNN的脑血管梗塞MRI图像识别算法 |
| 3.1 引言 |
| 3.2 Cerebrum R-CNN模型 |
| 3.2.1 特征提取网络Feature Extraction Net |
| 3.2.2 区域推荐网络CerebrumRPN |
| 3.2.3 特征对齐模块CerebrumRoIAlign |
| 3.2.4 边界框预测网络CerebrumBox |
| 3.2.5 掩码预测网络CerebrumMask |
| 3.3 实现细节 |
| 3.3.1 网络结构 |
| 3.3.2 数据预处理 |
| 3.3.3 训练 |
| 3.4 本章小结 |
| 第4章 针对脑血管梗塞MRI图像的自适应分割CerebrumFCM算法 |
| 4.1 引言 |
| 4.2 邻域局部约束SF FCM算法 |
| 4.2.1 SF_FCM算法原理 |
| 4.2.2 算法具体流程 |
| 4.3 改进的脑血管梗塞自适应分割CerebrumFCM算法 |
| 4.3.1 邻域权值函数 |
| 4.3.2 空间转换思想 |
| 4.3.3 CerebrumFCM算法原理 |
| 4.3.4 具体分割流程 |
| 4.4 本章小结 |
| 第5章 脑血管梗塞识别与分割的实验结果及分析 |
| 5.1 引言 |
| 5.2 脑梗塞的传统识别方法及实验结果 |
| 5.2.1 脑血管梗塞的纹理特征提取 |
| 5.2.2 脑梗塞传统识别方法实验结果 |
| 5.3 基于Cerebrum R-CNN脑血管梗塞识别算法 |
| 5.3.1 区域推荐网络CerebrumRPN实验结果 |
| 5.3.2 边界框预测CerebrumBox实验结果 |
| 5.3.3 掩码预测CerebrumMask实验结果 |
| 5.3.4 算法综合评价 |
| 5.4 针对脑血管梗塞图像自适应分割算法 |
| 5.4.1 邻域局部约束SF FCM实验结果 |
| 5.4.2 自适应分割CerebrumFCM算法实验结果 |
| 5.4.3 算法综合评价 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）光声分子成像精准分析脑组织成分和诊断脑血管病变（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 PA成像 |
| 1.2.1 PA成像原理及主要分类 |
| 1.2.2 微观尺度的PAM成像 |
| 1.2.3 宏观尺度的PACT成像 |
| 1.3 PA成像的应用及现状 |
| 1.3.1 多功能的PA成像用于早期诊疗 |
| 1.3.2 多参数的PA成像用于疾病监测 |
| 1.4 神经成像用于脑疾病诊断 |
| 1.4.1 单模态神经成像用于脑疾病诊断 |
| 1.4.2 多模态成像用于脑疾病诊断 |
| 1.5 PA分子成像在脑血管疾病的潜在应用 |
| 1.5.1 PA分子成像用于阐明大脑结构 |
| 1.5.2 多尺度PA成像监测脑组织的血流动力学 |
| 1.5.3 PA成像监测神经元的活动 |
| 1.5.4 多光谱PA分子成像 |
| 1.5.5 PA成像用来阐明大脑疾病 |
| 1.5.6 PA分子成像结合多模态成像的展望 |
| 1.6 论文的选题背景和主要工作 |
| 1.7 参考文献 |
| 第二章 多光谱PAM用于无标记的脑组织成分成像 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 主要仪器 |
| 2.2.2 主要试剂 |
| 2.2.3 实验步骤 |
| 2.3 实验结果与讨论 |
| 2.3.1 wbmOR-PAM系统 |
| 2.3.2 无标记的5μm厚小鼠脑切片的PA成像 |
| 2.3.3 无标记的300μm厚小鼠脑切片PA成像 |
| 2.3.4 组织学染色 |
| 2.4 小结 |
| 2.5 参考文献 |
| 第三章 近红外PA分子成像用于监测脑淀粉样血管病变 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 主要仪器 |
| 3.2.2 主要试剂 |
| 3.2.3 实验步骤 |
| 3.3 实验结果与讨论 |
| 3.3.1 CDA和SDA染料的合成 |
| 3.3.2 CDA染料的理化性质 |
| 3.3.3 CDA与Aβ纤维相互作用 |
| 3.3.4 CDA的光热性质 |
| 3.3.5 CDA的PA表现及细胞毒性 |
| 3.3.6 CDA与大脑血管中的Aβ斑块特异结合 |
| 3.3.7 荧光成像CDA在大脑中的分布 |
| 3.3.8 PA/PET成像可视化脑血管斑块 |
| 3.4 本章小结 |
| 3.5 参考文献 |
| 第四章 近红外二区PA分子成像用于检测深部脑胶质瘤 |
| 4.1 引言 |
| 4.2 实验部分 |
| 4.2.1 主要仪器 |
| 4.2.2 主要试剂 |
| 4.2.3 实验步骤 |
| 4.3 实验结果与讨论 |
| 4.3.1 A1094的合成 |
| 4.3.2 A1094@RGD-HBc的理化性质 |
| 4.3.3 探针对肿瘤细胞的特异性吸附 |
| 4.3.4 Cy5.5-A1094@RGD-HBc的生物分布 |
| 4.3.5 A1094@RGD-HBc的PA性质 |
| 4.3.6 原位脑胶质瘤的无创PA成像 |
| 4.3.7 MicroSPECT/CT成像 |
| 4.4 本章小结 |
| 4.5 参考文献 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 下一步研究展望 |
| 博士期间获得的研究成果情况 |
| 致谢 |
（10）基于机器学习的癫痫及精神异常脑电信息识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 脑电信号概述 |
| 1.2.2 脑电信号处理的国内外研究现状 |
| 1.2.3 目前研究主要存在的问题 |
| 1.3 本文主要研究内容及创新点 |
| 1.4 论文的结构安排 |
| 第二章 脑电信号机理分析及处理方法研究 |
| 2.1 引言 |
| 2.2 脑部疾病EEG信号机理分析 |
| 2.2.1 癫痫脑电信号机理分析 |
| 2.2.2 精神分裂症脑电信号机理分析 |
| 2.3 脑电信号处理方法 |
| 2.4 本章小结 |
| 第三章 基于小波双谱能量熵和颜色矩的癫痫脑电信号特征提取 |
| 3.1 引言 |
| 3.2 小波双谱估计算法 |
| 3.2.1 双谱基本理论及其性质 |
| 3.2.2 双谱估计算法 |
| 3.2.3 小波双谱估计算法 |
| 3.3 基于小波双谱能量熵和颜色矩的癫痫脑电信号特征提取算法 |
| 3.3.1 实验数据 |
| 3.3.2 小波双谱能量熵 |
| 3.3.3 小波双谱颜色矩 |
| 3.4 本章小结 |
| 第四章 基于遗传算法的双子支持向量机的癫痫脑电信号特征分类 |
| 4.1 引言 |
| 4.2 支持向量机 |
| 4.3 双子支持向量机 |
| 4.3.1 双子支持向量机分类算法 |
| 4.3.2 支持向量机和双子支持向量机性能比较 |
| 4.4 参数对TWSVM的影响 |
| 4.4.1 惩罚参数c_1、c_2对TWSVM的影响 |
| 4.4.2 核参数对TWSVM的影响 |
| 4.5 基于遗传算法的双子支持向量机特征分类算法 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 基于改进的VGGNet精神分裂症脑电信号识别算法 |
| 5.1 引言 |
| 5.2 卷积神经网络 |
| 5.2.1 卷积神经网络简介 |
| 5.2.2 卷积神经网络结构 |
| 5.2.3 过拟合问题 |
| 5.3 基于改进的VGGNet精神分裂症脑电信号识别算法 |
| 5.3.1 实验数据 |
| 5.3.2 数据预处理 |
| 5.3.3 基于改进的VGGNet精神分裂症脑电信号识别算法 |
| 5.4 基于机器学习的精神分裂症脑电信号识别算法 |
| 5.5 对比实验结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
四、对脑部疾病患者健康教育的效果评价（论文参考文献）
- [1]面向阿尔茨海默病的多模态影像数据融合分析方法[D]. 姜煜. 华东交通大学, 2021(01)
- [2]靶向纳米输递体系用于重大脑部疾病治疗的研究[D]. 石竹砚. 中国科学院大学(中国科学院过程工程研究所), 2021(01)
- [3]结合引导滤波和改进FCM的脑MR图像分割算法研究[D]. 乔颖婧. 太原理工大学, 2021(01)
- [4]MR图像脑组织模糊聚类分割方法研究[D]. 饶伟源. 西安电子科技大学, 2020(05)
- [5]帕金森病靶向输递体系用于基因-化药协同治疗的研究[D]. 刘霖颖. 中国科学院大学(中国科学院过程工程研究所), 2020(01)
- [6]脑部MRI图像的分割与识别[D]. 李梓萌. 吉林大学, 2020(08)
- [7]抗抑郁药治疗卒中后抑郁的疗效性和安全性比较 ——网状荟萃分析[D]. 梁怡凡. 中国医科大学, 2020(01)
- [8]MRI颅部图像血管梗塞识别与分割算法的研究[D]. 周航. 哈尔滨工程大学, 2020(04)
- [9]光声分子成像精准分析脑组织成分和诊断脑血管病变[D]. 刘亚静. 厦门大学, 2019(08)
- [10]基于机器学习的癫痫及精神异常脑电信息识别研究[D]. 郑天依. 北京邮电大学, 2019(08)