三維數(shù)字化人腦圖譜的構建及其應用.pdf

1、大腦是人類最重要并且最為精密的一個器官，從上世紀90年代起，人們開始越來越關注腦科學的研究，這其中便包括對數(shù)字化腦圖譜及其應用的研究。早期的腦圖譜主要是一些打印出來的二維圖片集，例如Talairach- Tournoux圖譜和Schaltenbrand-Wahren圖譜等，盡管這些圖譜對神經解剖學教學和研究起到了非常巨大的影響，但是他們仍然存在著許多缺陷，例如，這些圖譜一經生成之后便不能再被改變，醫(yī)生很難通過這些二維的圖片來得到大腦內部

2、真實結構的三維印象等。然而，數(shù)字化腦圖譜可以克服這些缺陷，因為數(shù)字化腦圖譜是以數(shù)字形式存儲的，因而它們可以隨時被更新，并且現(xiàn)代的三維可視化技術完全可以對圖譜的數(shù)據(jù)進行三維重建，從而可以得到一個非常直觀的三維顯示效果。因此，數(shù)字化腦圖譜的構建可謂腦圖像研究的基礎和中心，設計一個綜合全面的腦圖譜，建立可供人腦研究參考的數(shù)據(jù)庫，具有十分重要的意義。 本文通過對大量算法和文獻的研究，介紹了一個基于MR圖像的數(shù)字化腦圖譜的設計，構建以及應

3、用，并通過大量實驗對比，提出了一個構建數(shù)字化腦圖譜的通用方法。構建過程可以分為以下幾個步驟：（1）數(shù)據(jù)的采集和預處理；（2）感興趣區(qū)域（ROI）的提?。唬?）貼解剖學標簽；（4）三維表面重建；（5）三維網格模型平滑。 首先，一個高分辨率，高精度，低噪聲的腦部MR數(shù)據(jù)集是構建數(shù)字化腦圖譜的基礎，圖譜采用了加拿大蒙特利爾神經所(MNI)提供的一套大腦MR數(shù)據(jù)。接下來，提取感興趣區(qū)域，感興趣區(qū)域的提取實際上就是結合解剖學先驗知識對大腦

4、數(shù)據(jù)進行分割，通過實驗分析，使用了一種基于快速行進法和形態(tài)學重建法的多步復合分割算法，經過初步分割后，需要人工進行調整，并提取出腦內一些非常細微的組織結構。針對上一步提取的每個感興趣區(qū)域，為其添加了解剖學名稱，并且將它們的空間信息同解剖學信息結合起來。在腦圖譜瀏覽器中，使用了一種動態(tài)交互的方法顯示每個組織的解剖學名稱。分割結束后，為了將每一個感興趣區(qū)域獨立開來，使用移動立方體算法對每一個提取出的組織進行了三維表面重建，得到了一個三維模型

5、數(shù)據(jù)庫，其中每一個組織對應一個三維模型。由于醫(yī)學數(shù)據(jù)的分層性，表面重建后的三維模型表現(xiàn)出了明顯的階梯效應，為此，使用網格平滑算法，對每個三維模型進行了平滑化處理，最終得到了非常光滑的三維模型。數(shù)字化腦圖譜可以被應用到神經外科手術導航和神經解剖學教學當中，更重要的是它能夠被應用于模型驅動分割，從而引導大腦自動分割。因此，在本文最后，通過大量實驗與分析，驗證了本研究的數(shù)字化腦圖譜完全可以被應用于模型驅動分割。圖譜的構建已基本完成，但是仍然存