论文部分内容阅读
自发性脑出血（Spontaneous Intracerebral Hemorrhage，SICH）是指无外在原因引发的脑实质的出血。SICH占据脑卒中所有发病原因的20％，其中，急性期的致死率高达30％～40％，致残率高达50％～85％，其高死亡率和预后不良的特性备受学者的关注。脑出血后的继发颅脑损伤，如颅内高压、脑疝等是脑出血急性期的主要死因。脑水肿的形成是SICH的重要继发颅脑损伤，也是脑出血患者死亡的主要原因。目前的研究表明，对脑出血后脑中线漂移的检测是判断患者存活率的一个重要指标。因此脑中线漂移的检测是颅脑对称性改变的一个重要的检测手段，同时也是神经学计算机辅助诊断系统的一个重要组成部分。 头颅X-线断层成像（CT)是确诊脑出血的首选检查。临床实践中，对于脑水肿的诊断和脑中线漂移的检测依赖于临床医师的经验，主观性比较大。同时，CT图像噪声大、血肿周围的水肿的低对比度低，会影响临床医师的诊断精度。如果能将脑水肿和脑中线漂移的检测作为医生辅助诊断的工具，将能提高诊断的效率和准确率，这样对于危重患者的抢救尤为重要。可以争取抢救患者生命，及早治疗，提高脑出血患者的预后。然而在文献中，无论是脑水肿的分割或者脑中线漂移的检测，现有算法的检测精度和实时性都难以保证。本文针对以上问题，结合国内外大量的相关文献的分析，对自发性脑出血的CT图像分析做了系统的研究工作，主要的贡献和创新包括: (1)提出了基于局部自适应阈值和二维熵的区域增长算法分割脑水肿 在这个算法中，我们结合脑出血后脑组织的灰度特征分析，提出了脑组织的灰度统计分布概率模型;通过最大后验概率和局部自适应阈值选择种子点;构建局部最大类间方差窗口内均值与方差的二维熵表征水肿的空间信息，最后实现水肿的分割。 (2)提出了基于支持向量机的磁共振成像(MRI)和CT双模态结合脑水肿检测算法 临床上，检测SICH患者水肿程度的黄金标准仍然是MRI T2加权图像，然而SICH患者的病发突然性和紧急性限制了MRI在SICH急救中的使用。同时，MRI成像时间长，费用高，也是其难以广泛使用的因素之一。综合上述的原因，我们利用已有患者的MRIT2数据，结合同一患者在适当扫描时间窗内的CT数据进行支持向量机的机器学习，通过构造合适的特征向量，对样本进行训练，最后通过训练得到的分类器对SICH患者的CT数据进行分类。 (3)提出了基于特征约束配准的脑中线漂移检测算法 在现有的脑中线漂移检测文献中，检测脑中线漂移的主要方法是依赖特征点和局部对称性。但在文献中这两类方法对于占位效应严重，脑中线结构的解剖标记部分或者全部消失的病例效果并不理想。本文中提出了利用配准的方法，结合特征约束，最终实现脑中线漂移的检测。通过选择合适的数字脑图谱，同时利用血肿与中线漂移的关系，以及理想中线和脑边界对脑组织形变的关系构造特征约束进行配准。通过与图谱的配准，在很大程度上可以大大降低对原始CT数据的脑组织的对称性的依赖，从而提高检测精度。 (4)提出了基于生物力学模型和局部对称信息的脑中线漂移检测算法 脑中线漂移的根本原因是神经元细胞的去极化过程。脑组织是软组织的一种，因此它也符合软组织的生物力学特性。根据软组织的粘弹性生物力学特性，设计了一种新的脑组织形变生物力学模型，利用该模型对脑出血后脑中线的形变进行预测;此外，提出了一种结合灰度信息和形状信息的局部对称性计算方法，利用小孔成像原理对预测结果急性局部对称性的调整，最后通过曲线拟合和平滑得到最终的漂移后的中线。 (5)利用所设计的脑中线漂移算法对大脑胶质瘤的公共测试数据库进行测试与量化 除了出血引起的脑中线漂移之外，其他的一些占位性病变也能引起脑中线的漂移，其中脑部肿瘤是引起脑中线漂移的另一个重要原因。论文利用所设计的中线漂移的生物力学模型和局部对称性的计算方法，对大脑胶质瘤的公共测试数据库进行了测试，通过与手动检测金标准的量化，从而在应用层上证实该生物力学模型的鲁棒性。