以獼猴為實驗?zāi)Ｐ蛠硖剿鞔竽X機(jī)制一直是腦科學(xué)研究領(lǐng)域的重要手段。其中,獼猴腦圖譜在大腦組織空間定位上起著十分重要的作用。然而,在獼猴神經(jīng)成像研究基本上是在少數(shù)幾只獼猴上進(jìn)行,因此及時地分割出精確度高的活體獼猴個體特異性腦結(jié)構(gòu)標(biāo)記三維模型顯得尤為重要。然而,當(dāng)前大部分用于獼猴腦結(jié)構(gòu)分割的MR圖像來自小于或等于4.7T磁場強(qiáng)度的磁共振成像,相比起超高磁場MRI,現(xiàn)存的獼猴腦圖譜模板圖像會因為信噪比和分辨率等因素在解剖學(xué)結(jié)構(gòu)信息方面而受到限制。而且獼猴MR腦圖像容易受到噪聲、灰度不均勻性、大腦結(jié)構(gòu)的復(fù)雜性和多樣性等因素的影響,導(dǎo)致精細(xì)的獼猴腦結(jié)構(gòu)分割非常困難、費(fèi)時費(fèi)力。鑒于此,本研究提出了一種全自動、高魯棒性和可重復(fù)性的基于7T MR圖像的麻醉獼猴腦結(jié)構(gòu)自動分割方法,其主要研究工作如下:首先,總結(jié)了現(xiàn)有的MR圖像分割方法,確定了基于圖譜配準(zhǔn)的圖像分割方法作為本文的算法原型,并分析了它的優(yōu)缺點(diǎn);其次,在7T磁共振成像平臺上采集麻醉獼猴腦部的T1加權(quán)腦圖像數(shù)據(jù),經(jīng)過預(yù)處理后,形成獼猴腦圖像模板;然后,利用基于單圖譜配準(zhǔn)的圖像分割方法得到麻醉獼猴的腦結(jié)構(gòu)標(biāo)記圖像;最后,以多只獼猴的腦結(jié)構(gòu)模板和標(biāo)記圖...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 研究目標(biāo)
    1.4 研究內(nèi)容及方法
    1.5 論文結(jié)構(gòu)
第2章 MR腦圖像分割方法概述
    2.1 引言
    2.2 磁共振成像
        2.2.1 磁共振成像原理及發(fā)展應(yīng)用
        2.2.2 磁共振圖像特點(diǎn)
    2.3 MR腦圖像分割方法
        2.3.1 MR腦圖像分割方法分類
        2.3.2 獼猴MR腦圖像分割評估方法
    2.4 本章小結(jié)
第3章 基于圖譜配準(zhǔn)的腦圖像分割方法
    3.1 引言
    3.2 圖像配準(zhǔn)
        3.2.1 圖像配準(zhǔn)基本原理
        3.2.2 圖像配準(zhǔn)分類及在腦圖像中的應(yīng)用
    3.3 基于單圖譜配準(zhǔn)的圖像分割方法
    3.4 基于多圖譜配準(zhǔn)的圖像分割方法
    3.5 本章小結(jié)
第4章 獼猴腦結(jié)構(gòu)的自動分割
    4.1 引言
    4.2 實驗數(shù)據(jù)
        4.2.1 參考圖譜數(shù)據(jù)
        4.2.2 7T MR麻醉獼猴腦圖像采集
    4.3 單圖譜法獼猴腦結(jié)構(gòu)分割
        4.3.1 圖像預(yù)處理
        4.3.2 圖像全局粗配準(zhǔn)
        4.3.3 基于S-HAMMER算法的圖像局部配準(zhǔn)
        4.3.4 單圖譜法獼猴腦結(jié)構(gòu)分割整體流程
    4.4 多圖譜法獼猴腦結(jié)構(gòu)自動分割
    4.5 本章小結(jié)
第5章 實驗結(jié)果與討論
    5.1 獼猴腦圖像模板集
    5.2 麻醉獼猴腦結(jié)構(gòu)自動分割結(jié)果
    5.3 個體獼猴腦結(jié)構(gòu)分割結(jié)果對比分析
        5.3.1 單圖譜法與多圖譜法獼猴腦結(jié)構(gòu)分割結(jié)果對比
        5.3.2 個體獼猴腦結(jié)構(gòu)標(biāo)記圖像與獼猴腦組織切片圖譜對比
        5.3.3 本文方法自動分割結(jié)果與專家手動分割結(jié)果抽樣對比
    5.4 獼猴腦結(jié)構(gòu)標(biāo)記模型及本文自動分割方法的應(yīng)用
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號：4003060