數字腦——計算解剖學方法及GPU技術應用的研究.pdf

1、隨著人腦成像技術的發(fā)展，腦成像在腦科學和神經科學，神經外科等研究中具有越來越重要的地位。為對從個體人腦數據到人群中腦數據進行形態(tài)和功能的分析、比較，迫切需要研究數學方法和有效的計算手段，計算解剖學這一學科應運而生。針對人腦數據的計算神經解剖學重點研究的內容包括人腦圖譜的建模、形變模型、結構和功能的映射分析等幾大問題的數學和計算方法。本文主要研究了計算神經解剖學中若干個重要問題，即人腦圖像中的結構和解剖標記點的提取、基于彈性模型的人腦形變

2、配準技術、人腦皮層圖像的解剖分塊方法，最后研究了可編程GPU(圖形處理器)技術在數字腦可視化和圖像快速處理中的應用。 在人腦MRI圖像的分割方面。針對腦與非腦組織的分割問題，分別使用較為簡單的邊界分割方法和基于分水嶺的方法實現(xiàn)腦與非腦組織的分割。對腦組織的皮質分割，實現(xiàn)了一個基于概率圖譜的模糊聚類方法，并研究了圖像中的組織灰度不均勻性對分割的影響。在人腦解剖標記點提取方面，闡述了基于等值面曲率模型的數學方法，并實驗驗證半自動方法

3、提取標記點，為后續(xù)的圖像配準提供對應的解剖標記點。 對人腦圖像的彈性配準的有限元計算方法首先闡述了其離散化的方法，并對二維圖像的網格剖分提出了一個與圖像特征相關的網格劃分算法，使得網格具有一定的圖譜特征。同時利用解剖標記點作為預先的圖像剛性初配準，并作為有限元計算的位移條件加快計算的收斂速度和精度。 人腦皮層體數據圖像是由腦的溝回組成的有復雜形態(tài)的解剖結構，對其按功能和解剖特征分塊在fMRI數據分析和皮層腦溝回的自動識別

4、方面都具有重要意義。我們提出了基于測地距離的K-均值空間聚類算法，提出聚類中心點的快速估計方法。從而實現(xiàn)了人腦皮層數據的與近似解剖特征的皮層分塊。 為提高數字腦體繪制的成像質量和加快圖像處理，我們實現(xiàn)了一套基于可編程GPU的可視化和圖像處理的基本應用框架。提出了補償體繪制質量的幾種方法。對大規(guī)模體繪制問題，我們提出了基于矢量量化壓縮后的體數據進行實時解碼和繪制，從而為大規(guī)模體數據的繪制帶來了新的基于硬件的快速方法。對GPU作為一