基于中心线的大脑血管自动分割方法研究

• 作 者: 孙飞飞
• 出 处: 西北大学
• 发表日期: 2004年期
• 关键词: 血管中心线提取 血管分割 最短路径算法 图割

血管中心线的提取和血管分割在脑血管疾病的定量分析、辅助诊断、病灶定位、治疗等方面发挥着巨大的作用。精确的中心线提取和血管分割结果为大脑血管疾病的诊断和治疗提供了重要的参考依据。然而,在临床研究现有的血管中心线的提取和血管分割方法在完整度和准确度方面有待进一步的提高。本文在传统的基于最短路径的中心线提取方法的基础上,针对环状血管,提出了一种多信息融合的中心线提取方法;同时为了有效实现血管的自动分割,在中心线研究的基础上,提出了一种基于图割的自动血管分割方法。具体研究工作如下:1)基于多信息融合的环状血管的中心线提取:中心线提取结果对于血管结构不同特征的定量描述有着十分重要的意义。研究首先在环状血管分割基础之上,基于多个随机种子点,采用最短路径法获取多条原始中心线;其次,对多条原始中心线的拓扑信息进行融合,并基于最大边界距离场保留中心体素,保证中心线的完整与连续性。最后,利用冗余点判断准则,对中心线进行单体素化处理。我们在仿真数据和大脑数据上进行了实验验证。相比于传统方法,该方法在中心线提取的准确性和完整性有了显著的提高。2)中心线引导图割的MR脑血管分割方法。血管分割结果常用在血管的匹配、三维重建、运动估计等血管分析任务中。传统的图割方法将分割转化为能量最小化问题,它依赖于目标和背景的人工标记。本研究利用中心线代替人工标记,提出了一种基于图割的自动血管分割方法。研究首先采用Vesselness滤波方法对原始血管区域进行增强;然后使用拓扑细化方法提取血管中心线。其次在图割法研究中,利用中心线得到初始化的目标和背景信息,设定中心线的目标和背景概率,计算中心线以外像素点的概率值并确定边的权值。最后,采用图割方法进行血管分割。我们采用本文方法和2种对比方法在仿真数据和大脑数据上进行验证,结果表明该方法在保证分割精度的前提下实现了血管的自动分割,提高了工作效率。