基于活動輪廓模型的人腦MRI結構像多層次分割方法研究.pdf

1、人腦MRI結構像（anatomical MRI, aMRI）能夠以較高的空間分辯力反映腦部組織的解剖結構。在放射學與神經(jīng)影像學研究領域，人腦aMRI數(shù)據(jù)分析的關鍵問題是如何精確地檢測與測量各部分腦組織，可以歸結為醫(yī)學影像的多目標分割問題。該問題的解決對于計算機輔助診斷、組織容積定量分析、異常組織定位、解剖結構分析、外科手術規(guī)劃與手術導航等具有重要的學術意義和臨床應用價值。本文主要內(nèi)容是：基于活動輪廓模型，提出了五種具有創(chuàng)新意義的塔式結構

2、的多層次分割方法，解決了人腦二維aMRI、多信道融合的矢量量化aMRI以及三維aMRI數(shù)據(jù)的多目標分割問題。 第一，針對二維aMRI數(shù)據(jù)，給出了構成塔式結構多目標分割的關鍵技術——背景填充技術，將該技術與活動輪廓模型中的Chan-Vese（C-V）模型相結合，提出了塔式多相水平集分割算法（簡稱：塔式多相C-V模型），解決了C-V模型在多目標分割以及復雜連接情況表示上的局限，適合分割目標中含有子目標的多目標圖像。 第二，為

3、了減少塔式多相C-V模型得到的邊緣與手工分割真值間的誤差問題，提高aMRI分割的準確度，據(jù)可調(diào)填充色提出了背景填充技術的廣義形式，并將該技術與C-V模型相結合，進一步提出了基于廣義背景填充技術的塔式多相C-V模型，實現(xiàn)子目標邊緣在一定范圍內(nèi)可調(diào)，即在少量人工干預實現(xiàn)人機交互式aMRI的多目標分割。 第三，為解決aMRI中一些組織因馳豫時間較為接近而難以分離的問題，針對矢量量化圖像提出了矢量量化塔式多相C-V模型。能夠利用MRI不

4、同的掃描序列以及不同影像儀器對于組織的不同敏感性，實現(xiàn)aMRI中馳豫時間較為接近的組織的有效分離。 第四，利用水平集函數(shù)能夠隱含表示輪廓曲面的特點，提出了基于體素的三維塔式多相C-V模型，實現(xiàn)三維體數(shù)據(jù)的多層次分割。 第五，基于并行多相C-V模型和塔式多相C-V模型，提出了具有復雜分割樹形結構的塔式并行多相C-V模型，能夠結合兩種多相分割模型的優(yōu)點，實現(xiàn)復雜塔式多層次分割。 實驗結果表明，本文算法可以實現(xiàn)二維aM