基于多图谱配准的海马体自动分割方法研究

《基于多图谱配准的海马体自动分割方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南方医科大学2011级硕士学位论文基于多图谱配准的海马体自动分割方法研究HippocampusSegmentationBasedonMulti—atlasRegistratiOn课题来源：国家重点基础研究(973)计划项目(编号：2012CB732500)珠江科技新星专项(编号：2012J2200041)学位申请人导师姓名专业培养培养所在名称类型层次学院答辩委员会主席答辩委员会委员胡昊陈武凡教授卢振泰副教授生物医学工程专业型硕士研究生生物医学工程学院吴建华教授黄瑞旺教授吕庆文教授韩国强教授赖剑煌教授2

2、014年5月29日广州硕士学位论文基于多图谱配准的海马体自动分割方法研究硕士研究生：胡昊指导教师：陈武凡教授卢振泰副教授摘要人体脑组织主要包括基底核与大脑皮层两部分，基底核位于大脑深部，由一系列神经核团组成，大脑皮层则由覆盖于端脑平面的灰质以及皮层深部的白质组成。磁共振成像可清晰地分辨脑部灰质、白质及其余各神经功能核团，对比度特性丰富，细节清晰精确，成为医学临床上对脑功能研究、脑组织疾病预测、病灶确定及手术前中期辅助干预的主要手段。如通过脑部磁共振图像的海马体分割，实现海马体体积的测量与形态研究，可对

3、多种神经系统疾病进行分析诊断。海马体(Hippoc锄pus)主要负责人类的记忆、学习以及空间定位。许多神经系统疾病，如颞叶癫痫、阿尔兹海默病、精神分裂症及抑郁症等，都与海马体形态体积和功能的改变有关。因此，实现海马体的精确分割，对许多神经系统疾病的研究有着重要意义。图像分割(hnageSe舯entation)是指根据不同目的，将目标区域与其余不同涵义的部分进行区分或提取的过程。传统图像分割方法有阈值法、边缘检测法、区域生长法、聚类法、基于遗传算法、人工神经网络、马尔可夫随机场模型以及基于小波变换的方法

4、等。阈值法是指利用选取的阈值对图像的灰度直方图进行分类。边缘检测法一般包含滤波、增强、检测三个步骤。区域生长法实质为一个迭代过程，克服了常见的分割区域不连续的缺点。聚类法是指把分割看作将图像的灰度分为各不相同的类的过程。遗传算法是模拟自然进化过程搜索最优解的一种方法。基于人工神经网络的图像分割方法是通过训练神经网络得到摘要决策函数，再对图像的像素点进行分类。基于马尔可夫随机场模型的图像分割方法包括邻域系统选择、目标函数确定、参数估计，目标函数极小化、最大后验概率获取。小波变换相当于进行多尺度多通道分析

5、，对不同尺度上检测到的边缘进行综合便能实现精确的边缘提取。然而，海马体形状不规则，边缘模糊，难以与其毗邻组织进行区分，因此，传统图像分割算法在海马体分割问题上，出现结果不理想、精确度下降等问题，研究者们针对该问题，做了许多研究工作。早期，海马体分割的方法主要为手动分割。手动分割需要有经验的医生在图像切片上逐层进行标记，为保证结果的准确性，必须大量练习并对同一图像反复勾画，求取平均值以减小误差。手动分割的精确度较高，但耗时费力，缺乏重复性，因此，海内外学者在半自动与全自动分割海马体的方法上做了大量研究，

6、如结合阈值法和边界跟踪法的半自动分割方法、Snake模型以及包含三类不同信息的形变模型进行海马体分割等。半自动分割方法大大减少了海马体分割所需的时间与人力，但在大样本的研究中仍非最佳选择。为追求更高效率的海马体分割手段，许多自动分割方法被提出，如弹性表面模型的使用、基于体素的三维配准分割、自动环境模型的研究以及利用海马体周围区域成像的统计模型完成其自动分割等，均取得较好的成效。此外，多种自动分割软件被开发出来，可实现三维脑部图像结构数据的处理。近年来，基于图谱配准的海马体分割方法亦引起许多关注。基于图

7、谱配准的分割方法是指根据不同的分割目标选择图谱，将其与待分割图像进行配准，借助所得变换参数对图谱对应的标记图像进行形变，得到最终分割结果。基于图谱配准的分割方法可以分为基于单图谱、基于平均形状图谱和基于多图谱三种。其中基于单图谱配准的分割方法难以适应不同个体间，结构组织存在的差异性，出现误差的概率大。基于多图谱配准的分割方法则选用多个图谱，分别与目标图像进行配准，获取多组形变参数，对各标记图像进行形变，再采用图像融合技术对所有形变后的标记图像进行融合，得到最终分割结果。图谱数量硕士学位论文的增加，可有

8、效降低图谱选择的差异性，有助于实现更精确的分割。基于多图谱配准分割算法的两个关键点分别为图像配准与融合。合适的图像配准算法能获得更精确的配准结果，使得形变后的标记图像与待分割图像中的海马体在形状、体积大小方面更相似。此外，合适的融合算法能有效提取每个初始分割结果中的信息，获得最具代表性的结果，作为最终分割的海马体。图像配准(hIlageregistration)是指在不同时间、不同成像设备或采用不同成像方法时，对获取的图像进行匹配的过程。图像配准方法种类