基于活動(dòng)輪廓模型的人腦MRI結(jié)構(gòu)像多層次分割方法研究.pdf

1、人腦MRI結(jié)構(gòu)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(jié)構(gòu)。在放射學(xué)與神經(jīng)影像學(xué)研究領(lǐng)域，人腦aMRI數(shù)據(jù)分析的關(guān)鍵問題是如何精確地檢測(cè)與測(cè)量各部分腦組織，可以歸結(jié)為醫(yī)學(xué)影像的多目標(biāo)分割問題。該問題的解決對(duì)于計(jì)算機(jī)輔助診斷、組織容積定量分析、異常組織定位、解剖結(jié)構(gòu)分析、外科手術(shù)規(guī)劃與手術(shù)導(dǎo)航等具有重要的學(xué)術(shù)意義和臨床應(yīng)用價(jià)值。本文主要內(nèi)容是：基于活動(dòng)輪廓模型，提出了五種具有創(chuàng)新意義的塔式結(jié)構(gòu)

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(biāo)分割問題。 第一，針對(duì)二維aMRI數(shù)據(jù)，給出了構(gòu)成塔式結(jié)構(gòu)多目標(biāo)分割的關(guān)鍵技術(shù)——背景填充技術(shù)，將該技術(shù)與活動(dòng)輪廓模型中的Chan-Vese（C-V）模型相結(jié)合，提出了塔式多相水平集分割算法（簡(jiǎn)稱：塔式多相C-V模型），解決了C-V模型在多目標(biāo)分割以及復(fù)雜連接情況表示上的局限，適合分割目標(biāo)中含有子目標(biāo)的多目標(biāo)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(zhǔn)確度，據(jù)可調(diào)填充色提出了背景填充技術(shù)的廣義形式，并將該技術(shù)與C-V模型相結(jié)合，進(jìn)一步提出了基于廣義背景填充技術(shù)的塔式多相C-V模型，實(shí)現(xiàn)子目標(biāo)邊緣在一定范圍內(nèi)可調(diào)，即在少量人工干預(yù)實(shí)現(xiàn)人機(jī)交互式aMRI的多目標(biāo)分割。 第三，為解決aMRI中一些組織因馳豫時(shí)間較為接近而難以分離的問題，針對(duì)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(duì)于組織的不同敏感性，實(shí)現(xiàn)aMRI中馳豫時(shí)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(diǎn)，提出了基于體素的三維塔式多相C-V模型，實(shí)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(fù)雜分割樹形結(jié)構(gòu)的塔式并行多相C-V模型，能夠結(jié)合兩種多相分割模型的優(yōu)點(diǎn)，實(shí)現(xiàn)復(fù)雜塔式多層次分割。 實(shí)驗(yàn)結(jié)果表明，本文算法可以實(shí)現(xiàn)二維aM