核磁共振腦圖像的分割和形狀分析.pdf

1、高分辨率核磁共振成像技術(shù)為人腦解剖結(jié)構(gòu)的定量分析提供了一個(gè)非常有效的非侵入手段。本文主要研究核磁共振腦圖像分析的兩個(gè)核心問題：腦組織分割和三維腦結(jié)構(gòu)的參數(shù)化。 腦組織分割是核磁共振腦圖像分析中非常關(guān)鍵的一個(gè)處理過(guò)程。對(duì)于三維核磁共振數(shù)據(jù)的分割，算法的速度和精度同樣重要。本文提出了基于圖元表示和貝葉斯框架的腦組織分割算法。該算法首先將觀測(cè)圖像分成一系列相互不重疊的區(qū)域，稱之為圖元，然后用這些圖元簡(jiǎn)化了基于貝葉斯框架和馬爾可夫場(chǎng)的期

2、望最大化(EM)方法的計(jì)算。在此算法中，E-步和M-步的計(jì)算復(fù)雜性均和圖元的個(gè)數(shù)基本成正比。并且，我們?cè)趫D元為基礎(chǔ)的圖中，為每個(gè)圖元以及連接相鄰圖元的每條邊都引入了相應(yīng)的圖像屬性，從而減少了組織分割中由于使用圖元表示導(dǎo)致的誤差。實(shí)驗(yàn)結(jié)果顯示，我們提出的基于圖元表示的方法，分割的精度和基于像素的方法基本相同，較原有的基于圖元模型的方法(該方法使用了基于圖元的噪聲模型并且沒有使用圖元和邊的圖像屬性)有明顯提高；與此同時(shí)，基于圖元表示算法的計(jì)

3、算量和基于像素的算法相比顯著降低。 參數(shù)化表面模型是形狀分析中非常重要的一種表示方法。但是，傳統(tǒng)的參數(shù)化方法只是試圖保持映射中的角度或距離，沒有考慮曲面之間的對(duì)應(yīng)關(guān)系。因此，本文提出了一種基于形狀特征的參數(shù)化方法，用于香蕉形狀的三維腦結(jié)構(gòu)的統(tǒng)計(jì)形狀分析。首先，我們從三維二值圖像中提取結(jié)構(gòu)的三角網(wǎng)格表面，并在此表面上提取了兩個(gè)最重要的標(biāo)志點(diǎn)，既香蕉形狀物體的兩個(gè)端點(diǎn)。第二步，我們利用熱平衡方程，限定兩個(gè)端點(diǎn)的溫度，求取表面上所有頂