脑磁共振图像若干重要神经核团的三维精细分割算法研究

Since the intensity inhomogeneous and complex brain neural nucleus in brain MR(Magnetic Resonance) images lead to failure 3D local segmentation, the research on the local segmentation for several brain neural nucleus (red nucleus,substantia nigra,nucleus colliculi rostralis, nucleus colliculi inferioris, putamen, globus pallidus, amygdaloid nucleus, caudate nucleus, pulvinar thalamus, hippocampus)in brain MR images is proposed in the project. The whole research includes the following four parts: local segmentation for images with intensity inhomogeneity based on active contour model, graph cuts-based active contour model for local segmentation of intensity inhomogeneous images, jointed "registration-segmentation" model based on graph cuts for local segmentation of intensity inhomogeneous images, 3-D refined local segmentation of several brain neural nucleus in MR images under the anatomical constraint. The fundamental research on local segmentation for images with intensity inhomogeneity and the application research on local segmentation for brain neural nucleus in brain MR images not only have a very significant theoretical value in local segmentation research of medical MR images and in the fundamental research of brain science, but also help the diagnosis, therapy and pathologic research for different neuropathic diseases in clinical practices. The research will be a very distinctive, challenging, innovative and interdisciplinary fundamental research subject.

由于脑磁共振图像若干重要神经核团的灰度非均匀性和复杂性导致无法对其进行三维精细局部分割，为此本课题提出开展脑磁共振图像若干重要神经核团（红核、黑质、上、下丘核、壳核、苍白球、杏仁核、尾状核、丘脑枕、海马体等）的局部分割研究。研究内容包括：开展基于主动轮廓模型的灰度非均匀图像的局部分割理论研究；开展基于图割理论的主动轮廓模型在灰度非均匀图像中的局部分割研究；开展基于图割理论的联合"配准-分割"模型在灰度非均匀图像中的局部分割研究；开展解剖结构约束条件下的脑磁共振图像若干重要神经核团的三维精细局部分割研究。本课题所开展的灰度非均匀图像的局部分割基础理论研究及若干重要神经核团的局部分割应用研究，不仅在医学磁共振图像的局部分割理论研究和脑科学理论研究方面具有重要的科学理论价值，而且有助于实际临床中对各种神经性疾病的诊断治疗和病理性研究，是一项极具特色及挑战性的多学科交叉的应用基础研究课题。

本项目针对脑磁共振图像的灰度非均匀性、容积效应以及深层脑区结构的复杂性，创新性地提出了基于图割理论、主动轮廓模型的灰度非均匀图像的局部分割框架，解决了在解剖结构约束条件下的脑磁共振图像若干重要神经核团的三维精细局部分割问题。. 针对不同的具体问题，提出了如下系列研究方法：① 提出了一种针对灰度不均匀图像具有更加稳定的窄带，且CEP(Curve Evolution Precision)能够达到一个像素精度的有效的局部分割方法；② 提出了一种基于二值水平集和形态学运算构建窄带的窄带主动轮廓模型局部分割方法，其窄带构建方案不仅稳定灵活，而且可控性高，同时提出用形态学闭运算作为新的曲线平滑方案以促进曲线的膨胀进化；③ 针对局部分割方法对初始轮廓敏感的问题，分别提出了一种基于线性速度函数驱动的鲁棒初始化局部分割方法和一种基于模糊主动轮廓的鲁棒局部分割方法；④ 提出了基于模糊能量具有自适应对比度约束的主动轮廓局部分割模型；⑤ 提出一种新的基于图割的主动轮廓模型，该模型不仅能够避免传统模型中区域项和边缘项的均衡问题，而且具有可选择局部或全局分割的特性；⑥ 提出一种针对复杂背景下灰度不均匀图像的局部分割模型，该模型在窄带框架下实现，通过去除区域项，并用新的局部区域项对原边缘项进行加权；⑦ 提出了一系列基于图像特征和光流场的非刚性配准算法；⑧ 提出了一种采用边界邻域描述子的多模图像配准方法；⑨ 提出一种基于层间约束的乘性GCACM（Graph Cuts-based Active Contour Model)模型用于磁共振脑图像深层脑结构的三维序列分割。. 该研究项目不仅在理论研究上取得了若干标志性研究成果，而且所提出的方法在实际应用中具有较好的应用效果，分割精度达到一个像素，最终实现了对若干重要脑神经核团的精细分割及三维重建。本研究是一项极具特色及挑战性的多学科交叉的应用基础研究工作，不仅有助于实际临床中对各种神经性疾病的诊断治疗和病理性研究，而且所提出的创新性方法可以应用于其他类型医学影像处理中，为拓展新的研究领域打下坚实的理论基础。