海馬體位于大腦皮層之下的內(nèi)側(cè)顳葉邊緣,是人類與其它脊椎動(dòng)物大腦中的重要組織,其功能與短期記憶、認(rèn)知、情緒有關(guān),因此研究海馬體對(duì)于心理學(xué)、神經(jīng)學(xué)具有重要意義。而核磁共振圖像可避免X射線和電離輻射等危害,具有安全、分辨率高等特點(diǎn),并且大腦的核磁共振圖像能夠提供三維的大腦結(jié)構(gòu)信息,便于研究大腦中類似于海馬體等復(fù)雜的組織結(jié)構(gòu)。因此,本文研究如何在核磁共振圖像中將海馬體從大腦組織中分割出來,為醫(yī)學(xué)研究海馬體的體積形態(tài)變化提供可視化依據(jù)。對(duì)于醫(yī)學(xué)圖像的分割,一方面由于其圖像格式的特殊性造成了處理的復(fù)雜性。另一方面由于大腦中的組織如海馬體,形狀不規(guī)則、體積小、邊緣與周圍其他組織相互連接、彼此之間灰度相似等特點(diǎn),使得其分割難度高于一般圖像,傳統(tǒng)的分割方法難以得到令人滿意的效果�；趫D譜配準(zhǔn)的分割方法是近年來的研究熱點(diǎn),對(duì)于提取人體大腦圖像的特定組織有著非常好的效果,其原理是:使用專家事先分割好的圖譜集與目標(biāo)圖像進(jìn)行配準(zhǔn),通過形變場映射引導(dǎo)目標(biāo)分割。其中,基于單圖譜的分割方法在圖譜與目標(biāo)圖像差異較大時(shí),容易導(dǎo)致嚴(yán)重的分割誤差,而多圖譜分割方法綜合考慮多個(gè)圖譜的先驗(yàn)信息可有效避免上述誤差。為了實(shí)現(xiàn)三維人腦核磁共振圖像中海馬體的精準(zhǔn)、高效分割,本文對(duì)多圖譜分割中的配準(zhǔn)與融合算法進(jìn)行了改進(jìn),提出了基于重采樣改進(jìn)的配準(zhǔn)方法,結(jié)合優(yōu)化后的標(biāo)簽融合算法實(shí)現(xiàn)了海馬體的準(zhǔn)確分割。實(shí)驗(yàn)證明,本文改進(jìn)算法能夠在保證分割精度的前提下縮短分割時(shí)間。目前,多圖譜分割三維的大腦核磁共振圖像有兩個(gè)難點(diǎn):一是精度的提高,二是計(jì)算復(fù)雜度的降低。本文首先對(duì)目標(biāo)圖像和圖譜做了必要的預(yù)處理工作:顱骨剔除,感興趣區(qū)域提取,灰度預(yù)處理。在圖像配準(zhǔn)階段,本文提出基于重采樣改進(jìn)的配準(zhǔn)方案,與傳統(tǒng)“粗精”混合配準(zhǔn)不同的是,重采樣能夠簡化“粗”配準(zhǔn)過程,并且使參考圖像與待采樣圖像具有同樣的各向同性采樣率,使圖像的大小、中心達(dá)到一致,為后續(xù)進(jìn)行微分同胚Demons配準(zhǔn)做好準(zhǔn)備。微分同胚Demons算法與多分辨率配準(zhǔn)思想的結(jié)合確保了配準(zhǔn)的精度,同時(shí)提高了配準(zhǔn)速度。在標(biāo)簽融合階段,本文改進(jìn)了兩種融合算法:一是基于K近鄰搜索的加權(quán)選擇融合算法,另一個(gè)是基于判別模型約束的Graph Cuts算法�；贙近鄰搜索的加權(quán)選擇融合算法是在非局部塊加權(quán)融合算法的基礎(chǔ)之上,對(duì)局部塊進(jìn)行了 K近鄰搜索,找到與目標(biāo)體素最相似的K個(gè)局部塊,避免使用目標(biāo)體素鄰域內(nèi)相似度較低的局部塊進(jìn)行加權(quán),一方面提高了計(jì)算速度,另一方面也提高了權(quán)重計(jì)算的準(zhǔn)確性。在很多情況下,由于分割被看作是對(duì)場景中的對(duì)象進(jìn)行分類的過程,因此基于判別模型約束的Graph Cuts融合算法能夠?qū)C(jī)器學(xué)習(xí)方法與圖割算法結(jié)合,在有效利用圖譜先驗(yàn)知識(shí)的同時(shí),使分割結(jié)果最優(yōu)化。
【學(xué)位單位】：寧夏大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;R445.2
【部分圖文】：

３］?（Ａｌｚｈｅｉｍｅｒ’ｓ?ｄｉｓｅａｓｅ，?ＡＤ）是一種緩慢進(jìn)展的大腦疾病，慢惡化。ＡＤ的主要特征有：記憶困難、定向障礙、認(rèn)知對(duì)患者個(gè)人及家庭都會(huì)造成沉重的打擊與傷害。阿爾茲海著疾病的進(jìn)展，癥狀加劇可能出現(xiàn)包括語言障礙，迷失方，喪失自我管理能力以及行為問題［４］。隨著病人健康狀況對(duì)環(huán)境做出反應(yīng)的能力，逐漸地身體機(jī)能喪失，在病人在率大大增加，嚴(yán)重的可能導(dǎo)致死亡，因此迫切地需要增加了巨大的精神壓力和沉重的經(jīng)濟(jì)負(fù)擔(dān)。??共有約２９８０萬人是阿爾茲海默癥患者［５］。通常６５歲以上大，但是也有４％到５％的病例是在６５歲之前就開始的早發(fā)上的人的影響不容忽視，大約占６％［４］。研宄數(shù)據(jù)表明，２在發(fā)達(dá)國家中，ＡＤ是成本最高的疾病之一［６］。??沒有治愈的方法，但及時(shí)的治療可以減緩病癥的惡化。的１－２年期間，是疾病最佳的治療時(shí)期，所以早發(fā)現(xiàn)早治爾茲海默癥的醫(yī)學(xué)診斷表現(xiàn)為顳中回萎縮，即核磁共ＭＲ１）顯示為海馬、內(nèi)嗅皮質(zhì)、杏仁核體積縮小。通常海，這表示有可能患上阿爾茲海默癥，因此，腦部核磁共振圖

像能夠獲得三維斷面成像，供研究者在水平面（Ｔｒａｎｓｖｅｒｓｅ?Ｐｌａｎｅｓ）、矢狀面（Ｓａｇｉｔｔａｌ?ｐｌａｎｅ）、??冠狀面（Ｃｏｒｏｎａｌ?ｐｌａｎｅ）和各種斜面方向上對(duì)人體及其器官進(jìn)行多方位的觀察�；谏鲜鰞�(yōu)點(diǎn)，??使用核磁共振圖像進(jìn)行腦部疾病研宄，并將其用于圖像分割等方面具有顯著的意義。下圖１－２是??人體解剖學(xué)方位圖像，通過解剖學(xué)方位圖像能夠了解ＭＲ圖像的三維斷面。??矢狀ｍ＇??？?＇?ｓｔ狀由??，ＩＶ、’??水平Ｉｆｃ??，體的ｗ＊??圖１－２人體解剖學(xué)方位圖??醫(yī)學(xué)上解剖學(xué)姿勢的描述是：身體保持直立，面朝前方，兩眼平視正前方，兩腳并立，腳尖??朝前，手掌心朝向前方且上肢下垂于軀干的兩側(cè)。這時(shí)，規(guī)定水平面（軸狀面）為平行于地面的??平面；矢狀面是指人體前后方向上，將人體分成左、右兩部分的縱切面：冠狀面是指人體左右方??向上，將人體分為前后兩部分的縱切面。水平面、冠狀面和矢狀面三者相互垂直。??下圖１－３是海馬體核磁共振圖像三維斷面切片顯示

像能夠獲得三維斷面成像，供研究者在水平面（Ｔｒａｎｓｖｅｒｓｅ?Ｐｌａｎｅｓ）、矢狀面（Ｓａｇｉｔｔａｌ?ｐｌａｎｅ）、??冠狀面（Ｃｏｒｏｎａｌ?ｐｌａｎｅ）和各種斜面方向上對(duì)人體及其器官進(jìn)行多方位的觀察�；谏鲜鰞�(yōu)點(diǎn)，??使用核磁共振圖像進(jìn)行腦部疾病研宄，并將其用于圖像分割等方面具有顯著的意義。下圖１－２是??人體解剖學(xué)方位圖像，通過解剖學(xué)方位圖像能夠了解ＭＲ圖像的三維斷面。??矢狀ｍ＇??？?＇?ｓｔ狀由??，ＩＶ、’??水平Ｉｆｃ??，體的ｗ＊??圖１－２人體解剖學(xué)方位圖??醫(yī)學(xué)上解剖學(xué)姿勢的描述是：身體保持直立，面朝前方，兩眼平視正前方，兩腳并立，腳尖??朝前，手掌心朝向前方且上肢下垂于軀干的兩側(cè)。這時(shí)，規(guī)定水平面（軸狀面）為平行于地面的??平面；矢狀面是指人體前后方向上，將人體分成左、右兩部分的縱切面：冠狀面是指人體左右方??向上，將人體分為前后兩部分的縱切面。水平面、冠狀面和矢狀面三者相互垂直。??下圖１－３是海馬體核磁共振圖像三維斷面切片顯示
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 何小海;梁子飛;唐曉穎;滕奇志;;圖譜法腦部MRI圖像自動(dòng)分割技術(shù)發(fā)展及應(yīng)用[J];數(shù)據(jù)采集與處理;2015年05期

2 賀超;;核磁共振成像系統(tǒng)原理及MR圖像研究[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年S1期

相關(guān)博士學(xué)位論文 前2條

1 張娟;醫(yī)學(xué)圖像配準(zhǔn)中相似性測度的研究[D];南方醫(yī)科大學(xué);2014年

2 周志勇;醫(yī)學(xué)圖像非剛性配準(zhǔn)方法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

相關(guān)碩士學(xué)位論文 前5條

1 王冰;基于GPU的粘性流體醫(yī)學(xué)圖像彈性配準(zhǔn)算法研究[D];蘭州交通大學(xué);2015年

2 張碩;基于概率圖模型和形狀先驗(yàn)的圖像分割方法研究[D];陜西師范大學(xué);2015年

3 胡昊;基于多圖譜配準(zhǔn)的海馬體自動(dòng)分割方法研究[D];南方醫(yī)科大學(xué);2014年

4 陳雯艷;基于ROI多圖譜配準(zhǔn)的海馬磁共振圖像分割[D];湖南大學(xué);2012年

5 趙寶林;醫(yī)學(xué)圖像分割與配準(zhǔn)算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2012年

本文編號(hào)：2880134