基于MIP的腦部血管重建算法研究.pdf

1、血管是人體血液流過的管道，遍及全身，在人體內發(fā)揮著巨大的作用。而腦部血管作為動脈血管的分支，與人體內其他血管一起承擔著物質和氧氣的輸送工作。三維磁共振血管造影數據能提供分辨率高、對比豐富的血管信息，是診斷腦部血管疾病所必須的數據。臨床上，通常使用最大密度投影技術(Maximum Intensity Projection, MIP)對磁共振血管造影數據進行各個方位投影，以展示血管的形態(tài)，對腦動脈瘤、腦動脈硬化、腦梗塞、血管畸形等各種腦部疾

2、病的診斷具有重要的醫(yī)學意義。
　　本文以腦部血管為研究對象，以MIP為重建方法。在介紹MIP的同時，逐步引入MIP的優(yōu)點和不足，并針對重建圖像出現的小血管斷裂和重建速度慢這兩個不足點，提出了相應的改進措施，具體研究內容分為以下四個部分：
　　1)詳細介紹了經典的MIP重建算法，并分析了MIP重建的優(yōu)勢和不足。本文首先簡單介紹圖像去噪和目標增強這兩種預處理方法。在此基礎上，詳細介紹了經典的光線投射算法實現MIP重建的整個過程。

3、最后，通過實驗測試的方式分析了MIP相比表面遮蓋算法(Shaded Surface Display, SSD)和合成體繪制算法(Volume Rendering,VR)在腦部血管重建方面的優(yōu)勢，同時指出MIP重建存在的兩個問題：血管斷裂和重建速度慢。
　　2)重點解決了重建圖像小血管斷裂問題。針對小血管斷裂問題本文設計了一種基于局部最大平均值(Local Maximum Mean, LMM)的方法。首先，通過LMM對三維MRA血管

4、造影體數據進行處理，以此來增強MRA體數據中的血管體素，然后進行MIP重建，獲取局部最大平均值-最大密度投影圖像(LMM-MIP Image)，從而解決斷裂血管。同時針對LMM-MIP圖像造成的大血管變粗問題，進一步采用一種權函數將LMM-MIP圖像與MIP圖像結合，保證斷裂小血管修復的同時，實現大血管的恢復。
　　3)重點解決了MIP重建速度慢的問題。針對MIP重建速度慢的問題，使用錯切變形算法代替?zhèn)鹘y(tǒng)的光線投射算法完成MIP重

5、建，然后改進錯切變形算法，并結合CUDA紋理存儲器提供的插值特性減少插值過程，實現并行再加速。最后，分別對光線投射、錯切變形、改進的錯切變形結合CUDA這三種方式實現的MIP和LMM-MIP加速測試。
　　4)本文采用磁共振廠商提供的腦部血管造影數據完成實驗測試，并分別采用改進前后的算法進行重建對比分析，使用血管體素的投影概率和重建圖像的對比噪聲比(Contrast to Noise Ratio, CNR)進行算法的性能分析。結果