基于馬爾可夫隨機(jī)場的DT-MRI圖像分割算法研究.pdf

1、彌散張量成像（Diffusion Tensor-Magnetic Resonance Imaging，DT-MRI）是近年來提出的一種新的磁共振成像（MRI）方法。分子的彌散運動即是分子的隨機(jī)位移，但其位移非常小以致在常規(guī)MR成像技術(shù)中無法顯示。彌散成像技術(shù)最早出現(xiàn)于20世紀(jì)80年代中期，通過雙極磁場梯度脈沖對水分子的彌散運動效應(yīng)進(jìn)行編碼以得到彌散加權(quán)磁共振（Diffusion Weighted-Magnetic Resonance I

2、maging，DW-MRI）圖像。隨后出現(xiàn)了彌散張量成像（DT-MRI），它根據(jù)不同分子彌散特性的不同，利用多個方向（至少6個方向）的彌散加權(quán)圖像計算出每一個體素的彌散張量數(shù)據(jù)。利用DT-MRI可以提取分子彌散的各向異性特征，使得全面充分研究活體組織微細(xì)結(jié)構(gòu)成為可能。DT-MRI最先成功應(yīng)用于顱腦的神經(jīng)纖維束追蹤，它也在中風(fēng)、多發(fā)性硬化癥、精神分裂癥等神經(jīng)疾病的診斷上發(fā)揮著重要作用。因為彌散數(shù)據(jù)包含了被掃描顱腦組織內(nèi)部結(jié)構(gòu)固有的物理信息

3、，DT-MRI能夠提供有關(guān)顱腦組織結(jié)構(gòu)和幾何構(gòu)形的獨特數(shù)據(jù)，這是我們目前可以觀察和研究活體腦白質(zhì)微細(xì)結(jié)構(gòu)的唯一途徑，而常規(guī)MRI無法實現(xiàn)這一點，隨之不久前出現(xiàn)了基于DT-MRI的圖像分割。 目前DT-MRI的圖像分割大多是應(yīng)用纖維束追蹤算法結(jié)合主彌散方向數(shù)據(jù)方法以實現(xiàn)分割，而這類方法在遇到纖維束交叉點時可能出現(xiàn)被鄰近纖維誤導(dǎo)致分割錯誤的情形。本文發(fā)現(xiàn)，基于馬爾可夫場（MRF）模型的DT-MRI圖像分割算法能夠充分利用圖像的空間相

4、關(guān)信息，能夠?qū)崿F(xiàn)對低信噪比DT-MRI圖像進(jìn)行分割。 因為彌散張量場的特征值和特征向量具有旋轉(zhuǎn)不變性，因此大多數(shù)研究者使用這類數(shù)據(jù)用于DT-MRI圖像的分割。然而這類數(shù)據(jù)僅包含了體素坐標(biāo)和主方向上彌散的物理信息，且對噪聲敏感，穩(wěn)定性差。因此本文選用彌散張量矩陣代替上述數(shù)據(jù)作為DT-MRI待分割圖像的數(shù)據(jù)集。 本文圍繞著DT-MRI數(shù)據(jù)集的獲取和分割算法進(jìn)行了詳細(xì)研究，具體編排如下： 第一章介紹了DT-MRI的背景

5、及意義，并對近幾年文獻(xiàn)中所提到的各類DT-MRI圖像分割算法進(jìn)行了分類綜述。 第二章闡述了DT-MRI的基本原理及相關(guān)概念，對幾種常用的導(dǎo)出量進(jìn)行詳細(xì)的分析和討論。最后歸納介紹了三種主要的DT-MRI圖像可視化方法。 第三章詳細(xì)討論了彌散張量的推導(dǎo)過程，完成了從DW-MRI數(shù)據(jù)到DT-MRI彌散張量矩陣及其導(dǎo)出量的計算，并實現(xiàn)了其導(dǎo)出量的二維可視化。 第四章詳細(xì)介紹馬爾可夫隨機(jī)場的基本理論及基于馬爾可夫場分割算法