面向三維重建的面神經(jīng)腦干面醫(yī)學(xué)圖像血管分割算法的研究.pdf

1、面肌痙攣是由面神經(jīng)導(dǎo)致的慢性疾病，給患者生活造成了嚴(yán)重影響。同時面神經(jīng)腦干面及毗鄰血管的復(fù)雜空間結(jié)構(gòu)，易導(dǎo)致手術(shù)前對責(zé)任血管的漏判或錯判，進(jìn)而導(dǎo)致面神經(jīng)顯微血管減壓(MVD)手術(shù)療效欠佳。在這樣的背景下，本課題在獲取患者M(jìn)RA圖像的基礎(chǔ)上，提出構(gòu)建患者的面神經(jīng)腦干面及毗鄰血管的三維空間結(jié)構(gòu)模型。而本文是對MRA圖像的腦干和血管分割進(jìn)行研究。
　　傳統(tǒng)的單一的或基于單一特征的分割技術(shù)，分割效果不夠理想。模糊聚類描述了樣本屬于各個類別

2、的不確定程度，更貼近客觀世界中的事物屬性，從而成為聚類分析中主流的研究方向，水平集方法能夠自動處理曲線拓?fù)浣Y(jié)構(gòu)的變化。本文將模糊集與水平集方法結(jié)合，使水平集函數(shù)的建立得到優(yōu)化，從而使得聚類算法與分割算法在速度上和準(zhǔn)確度上有所提高。同時針對MRA圖像的特性，將腦干和血管區(qū)域的分割分為三個步驟進(jìn)行:
　　(1)圖像聚類與腦干提取。由于MRA圖像的成像分辨率不高，成像時會有干擾等原因，需要對圖像進(jìn)行聚類，聚類后的圖片會用于后續(xù)的處理和分

3、割中。在聚類的基礎(chǔ)上依據(jù)圖像的特點(diǎn)進(jìn)行腦干的提取。
　　(2)分割腦干附近區(qū)域。串行算法的早期結(jié)果可被后續(xù)處理所利用，有很好的抗噪能力?；诰垲惡湍X干的提取結(jié)果，可以對MRA圖像進(jìn)行一次分割，獲得腦干附近的目標(biāo)區(qū)域。
　　(3)水平集提取血管。水平集是一種成熟的圖像分割算法，對水平集進(jìn)行改進(jìn)，提出基于邊界和區(qū)域信息的混合模型（DR-CV模型）。DR-CV模型充分利用圖像的邊界和區(qū)域信息，能很好地在分割的腦干附近區(qū)域進(jìn)行血管的

4、分割。
　　通過實(shí)驗(yàn)證明，本文方法能較好地結(jié)合模糊聚類和水平集方法的優(yōu)勢，對顱內(nèi)血管分割取得了較為理想的效果，為三維重建等后續(xù)工作奠定了基礎(chǔ)。
　　本文的創(chuàng)新之處:
　　(1)利用MRA序列圖像的腦干與血管在空間位置上的相關(guān)性，依次對腦干和血管進(jìn)行分割。這樣可以有效的分割出對病理判斷有用的血管，同時也避免了顱內(nèi)其余血管的干擾，減少了不必要的工作。
　　(2)為了取得令人滿意的分割結(jié)果，人們研究多種分割算法的結(jié)合。