基于開曲線活動(dòng)輪廓模型的3D神經(jīng)目標(biāo)分割與中軸線提取算法.pdf

1、從3D圖像中重構(gòu)出神經(jīng)目標(biāo)是現(xiàn)代神經(jīng)生物學(xué)的一項(xiàng)熱點(diǎn)。神經(jīng)目標(biāo)的形態(tài)和結(jié)構(gòu)與大腦的功能密切相關(guān)，認(rèn)識(shí)它們有助于我們了解大腦的運(yùn)作以及預(yù)防神經(jīng)類的疾病。正確的提取出神經(jīng)目標(biāo)的中軸線是神經(jīng)目標(biāo)重構(gòu)的關(guān)鍵環(huán)節(jié)。針對(duì)3D熒光共焦顯微圖像標(biāo)本，采用人工方法提取中軸線的方法需要耗費(fèi)大量的人力和時(shí)間，而且提取的目標(biāo)精度難以滿足要求，因此迫切需要研究神經(jīng)目標(biāo)的計(jì)算機(jī)自動(dòng)分割與中軸線提取方法。本文系統(tǒng)的研究了基于開曲線活動(dòng)輪廓模型的神經(jīng)目標(biāo)分割與中軸線提

2、取技術(shù)，以及3D神經(jīng)圖像分割與中軸線提取中涉及的預(yù)處理以及后處理過程。
　　 本文的主要工作包括:
　　 (1)基于Frangi測(cè)度的圖像增強(qiáng)模型的理論與構(gòu)造方法，提出了一個(gè)簡(jiǎn)化的改進(jìn)模型。利用該模型對(duì)原輸入圖像進(jìn)行了降噪和目標(biāo)增強(qiáng)，獲得了一個(gè)與原圖像對(duì)應(yīng)的管狀度圖像。
　　 (2)結(jié)合管狀度構(gòu)造神經(jīng)目標(biāo)分割的代價(jià)函數(shù)，給出了神經(jīng)目標(biāo)圖像預(yù)分割的圖割方法，該方法有效的分割出3D圖像中的神經(jīng)目標(biāo)，為后續(xù)神經(jīng)目標(biāo)的種

3、子點(diǎn)檢測(cè)和中軸線提取奠定了基礎(chǔ)。
　　 (3)研究了基于脊線準(zhǔn)則的神經(jīng)目標(biāo)種子點(diǎn)檢測(cè)方法。結(jié)合神經(jīng)目標(biāo)圖像預(yù)分割結(jié)果，本文提出了基于線性掃描的快速種子點(diǎn)提取方法。實(shí)驗(yàn)證明本文的檢測(cè)方法耗費(fèi)時(shí)間更少，且能檢測(cè)出更多的有效種子點(diǎn)。
　　 (4)研究了基于開曲線活動(dòng)輪廓的中軸線提取模型。該模型基于檢測(cè)的有效種子點(diǎn)，結(jié)合GVF的變形力和基于管狀度的延伸力，使得跟蹤的曲線能夠沿著神經(jīng)目標(biāo)的中軸線向兩端延伸。本文的貢獻(xiàn)在于給出了兩類