论文部分内容阅读
脑血管疾病是人类致死的第一大疾病,极大地威胁着人类健康。通过医学影像以非入侵的方式实现脑血管的提取具有无创、高效的特点,可被病患广泛地接受。人体脑血管具有拓扑结构复杂、相互缠绕、颅腔比例小、图像灰度不均匀及相邻组织间灰度有交集等特点,直接导致了其三维分割和重构的困难。马尔可夫随机场方法利用三维邻域信息实现脑血管统计分割,可解决灰度分布不均匀且尺寸细小的血管图像的分割问题。但是脑血管所占颅内比例太低,若仅依靠统计方法分割,正例过小而反例过大,势必出现参数飘移问题。故本文提出一种层次化分割模型,通过粗分割和精分割两个步骤,逐层递进地实现脑血管三维体数据的分割和重构。 首先,面向脑血管统计分割模型,提出一种基于全局LBF水平集模型的脑血管层次粗分割方法,融合灰度空间信息和脑血管形态信息,构造脑血管体素的最小覆盖集合。应用DWM滤波和各向异性扩散滤波,在去除脑图像噪声的同时保存血管边缘信息。构造多尺度LIGM算法,应用灰度和梯度信息提取备选血管;融合血管的全局和局部形态信息,实现改进的全局LBF模型的水平集算法,加入距离规则化能量项,避免了重新初始化。融合两种方法结果,最终实现脑血管粗提取。粗分割可剔除大部分非血管组织,保留整体数据的6％。 其次,研究了脑血管高层统计模型。提出基于高斯-马尔可夫随机场的脑血管参数统计模型,通过加入体素邻域系统的先验知识,构造马尔可夫随机场,形成低层混合模型的权值信息,实现了高层统计分割方法。此模型有效地改善了有限混合模型中体素间没有关联导致的血管离散化问题。同时通过粗分割步骤有效降低了邻域和随机场能量的计算量。实验表明,与传统的双高斯模型相比,此模型分割结果的有效性和准确性有较大提高。 面向提出的基于高斯-马尔可夫随机场模型的脑血管层次分割方法,本文设计并实现了一个脑血管高层统计分割原型系统。本文工作受到北京市自然科学基金“虚拟环境中脑血管可视化、导航和监测技术”,国家自然科学基金面上项目“基于球B样条的Willis环的建模、分割及定位关键技术研究”、国家自然科学基金“盘B样条和球B样条造型的理论及其应用”(61170170)及国家自然科学基金“基于统计分割的脑血管三维模型重构研究”(61003134)的支持。针对脑部MRA和CTA数据,提供了预处理、粗分割、精分割、三维重构和绘制等相关模块,测试了算法的有效性,为项目的后续工作奠定了研究基础。