MRI腦影像分析與腦萎縮輔助診斷相關問題研究.pdf

1、腦萎縮的發(fā)病率越來越高，目前腦萎縮疾病的診斷大多采用手工和半自動的方法。隨著計算機技術的飛速發(fā)展，計算機輔助診斷方法已經(jīng)成為醫(yī)學影像、診斷放射、計算機科學中的重要研究內(nèi)容。研究表明使用計算機輔助診斷的方法對于提高診斷準確率、減少漏診起到了積極的作用。醫(yī)生可以根據(jù)計算機測量結(jié)果進行醫(yī)學影像的評估和診斷。利用計算機完成腦萎縮相關組織的分割以及容積的計算是輔助診斷腦萎縮的基礎。
　　本文分析了腦萎縮疾病相關的診斷方法，包括顱內(nèi)腦容積的測

2、量、腦白質(zhì)、灰質(zhì)以及腦脊液容積測量和特異性腦萎縮相關的海馬結(jié)構(gòu)的測量。獲取這些腦組織的基礎是對腦部圖像進行分割。因此，本文就如何提取相關腦組織區(qū)域進行了如下的實驗分析:
　　(1)研究了提取顱腔內(nèi)腦組織的方法，分析了幾種閾值分割算法對顱腔內(nèi)腦組織提取算法性能的影響，最后使用直方圖閾值分割算法對序列圖像進行分割。使用形態(tài)學方法獲取顱內(nèi)腦組織區(qū)域，通過使用重疊率和計算圖像重心的方法來校正分割結(jié)果。通過對不同掃描方向上所有圖像層進行分割

3、處理，最終實現(xiàn)了整個圖像序列的顱腔內(nèi)腦組織的提取。
　　(2)研究了顱腔內(nèi)腦組織再分割的方法，本文使用了基于自適應模糊相似度的改進的馬爾可夫隨機場算法對顱腔內(nèi)腦組織進行分割。在傳統(tǒng)馬爾可夫基團勢函數(shù)中引入了模糊鄰域信息，根據(jù)貝葉斯定理將圖像分割問題轉(zhuǎn)化為最大后驗概率(MAP)的求解問題，進而通過迭代條件模型(ICM)求解最小能量函數(shù)完成分割。
　　(3)研究了與特異性腦萎縮相關的海馬體的分割。使用了改進的快速行進算法對海馬體

4、進行分割，將海馬區(qū)域內(nèi)部灰度約束信息引入到傳統(tǒng)的快速行進算法之中，并根據(jù)到達時間閾值完成對圖像海馬結(jié)構(gòu)的分割。
　　通過實驗測試表明，本文提出的顱腔內(nèi)腦組織提取算法能夠快速準確的提取顱腔內(nèi)腦組織。顱腔內(nèi)腦組織的再分割算法和海馬結(jié)構(gòu)分割算法均具有較高的分割精度，腦白質(zhì)、腦灰質(zhì)以及腦脊液的均值正確分割率比傳統(tǒng)的馬爾可夫算法提高了2.2個百分點。海馬結(jié)構(gòu)的正確分割率比傳統(tǒng)的快速行進算法提高了近10個百分點。分割精度的提高對后續(xù)腦容積的計