基于统计分割的脑血管三维模型重构研究

脑血管疾病是危害人类健康的常见疾病，利用医学影像数据精确重构三维脑血管模型，是研究发病机理和制定诊疗方案的重要手段。但由于脑血管组织灰度分布范围广，结构分支多，且形态复杂细小，致使三维模型重构困难。本项目旨在研究基于TOF MRA数据场的脑血管三维模型重构：运用粗糙模糊集理论对体数据场模糊增强，在其高阶几何特征空间中，通过非监督参数估计方法获取特征体数据场的概率分布，然后从分布模型中计算每个体素的区域信息和边界信息，进而将获取的信息并入变分框架中，借助Level Set方法对体数据场直接分割;在此基础上，研究基于球B样条的血管模型，该模型可望实现复杂脑血管的精确表示，满足虚拟现实环境下显示高精度血管组织及实时交互的要求；最后，从理论与实验两方面，分析算法的性能，明确其局限性和适用范围。

脑血管疾病是危害人类健康的常见疾病，利用医学影像数据精确重构三维脑血管模型，是研究发病机理和制定诊疗方案的重要手段。但由于脑血管组织灰度分布范围广，结构分支多，且形态复杂细小，致使三维模型重构困难。本项目围绕脑血管三维模型重构问题，重点研究了物体特征提取、活动轮廓模型、脑血管分割、血管模型重构和脑血管绘制等技术。针对特征选择的经典难题，提出基于粗糙熵的不确定测度，可有效量化知识的不确定性，能够在较低的计算复杂度下确定出最优特征；结合多种不同信息，提出不同的活动轮廓模型算法（文章“Active contours model combining region and edge information，Machine Vision and Applications, 2013，24(1), pp 47-61”已他引14次），能精确、高效处理图像灰度分布不均匀的问题；对脑血管分割模型进行了比较，针对弱对比度的细小血管及灰度分布不均匀的血管分割问题，提出多种脑血管分割算法，包括基于Allen Cahn方程和似然模型的多分枝脑血管分割；自动初始化的基于活动轮廓模型的高效血管分割算法；基于统计分析和血管测度的活动轮廓模型脑血管分割算法；基于区域增长和局部自适应C-V模型的脑血管分割；基于Markov随机场和粒子群算法的脑血管分割方法；针对血管分割算法的评估，提出改进的均方误差量化方法；针对脑血管拓扑结构的复杂性，提出基于球B样条曲线并结合树状结构的脑血管三维模型重构方法，该方法在脑血管显示、病灶检测等方面具有较大优势；针对脑血管的显示，提出基于光线投射算法的脑血管体绘制方法和基于表意式增强的脑血管体绘制算法，使得脑血管的显示更加符合人眼的视觉特征，且能够实时交互。在上述理论研究的基础上，开发了脑血管3D分割及可视化平台，并进行了算法实验验证。已发表学术论文15篇，录用1篇(IEEE Journal of Biomedical and Health Informatics)，其中SCI检索3篇，EI检索11篇，申请国家发明专利2项，培养硕士生5名，博士生1名。.本项目研究成果对于脑外科医生手术规划、图像导航神经外科手术等具有重要作用，比如医生能够通过模型形态分析和计算流体力学模拟来了解形状指数和血液动力学参数的变化，以便更好地计划微创手术和预测血管瘤破裂风险。