纵向脑MR图像自动四维分割算法研究

Analysis of longitudinal (i.e., at different time points for the same subject) brain MR images can reveal the changes of structure and function of the brain tissues with time, therefore is widely used for the study of brain diseases and brain cognition. Automated brain MR image segmentation algorithm is designed to automatically extract the anatomical structure of the brain tissue of interest, and is the most critical technology in longitudinal brain MR image analysis. However, as the noises and spatial-temporal intensity distributions on the longitudinal brain MR images are different, the accuracy and longitudinal consistency of the segmentation results can not be guaranteed using traditional 3D brain MR image segmentation algorithms. To address the problem, this project will focus on the study of 4D segmentation algorithms for longitudinal brain MR images, including the studies of: an automated 4D segmentation framework for analysis of large-scale longitudinal brain MR images; 4D brain tissue extraction algorithms for extraction of brain tissues for tissue segmentation; 4D brain tissue segmentation algorithms for segmentation of gray matter, white matter, and cerebrospinal fluid; 4D brain region segmentation algorithms for segmentation of brain regions such as the hippocampus and temporal lobe. The 4D segmentation framework and algorithms will improve the efficiency and quality of longitudinal brain MR image analysis.

纵向（即同被试不同时间点）脑MR图像分析可以揭示脑组织的结构和功能随时间的变化，因此被广泛用于脑疾病和脑认知研究中。自动脑MR图像分割算法旨在自动提取感兴趣脑组织的解剖结构，是纵向脑MR图像分析中最关键的技术。但是由于纵向脑MR图像序列中不同时间点图像的噪声和灰度时空分布都不同，利用传统的三维脑MR图像分割算法无法保证分割结果的准确性和纵向一致性。本课题将围绕这个问题进行纵向脑MR图像四维分割算法研究，具体包括：针对大规模纵向脑MR图像数据，研究自动四维分割框架；针对脑组织分割前的脑组织提取，研究四维脑组织提取算法；针对灰质、白质和脑脊液分割，研究四维脑组织分割算法；针对海马、颞叶等脑区的分割，研究四维脑区分割算法。拟研究的四维分割框架和算法将提高纵向脑MR图像分析的效率和质量。

在脑疾病和脑认知研究中，往往要对大规模的纵向脑MR图像进行分析，这需要对几十或上百个病例进行处理和分析以获得具有统计意义的结果。大脑组织分割是纵向脑MR图像分析中的关键问题，由于传统的三维脑MR图像分割算法无法保证分割结果的准确性和纵向一致性，本课题旨在研究纵向脑MR图像的自动分割算法。.. 围绕这个问题，本项目主要对纵向脑MR图像自动四维分割框架及四维大脑提取算法、四维脑组织分割算法和四维脑区分割算法进行研究，以自动地分割出灰质、白质、脑脊液等脑组织，提高纵向脑MR图像分割的效率和质量。首先，设计自动四维分割框架结构，主要对数据模型和算法模型进行研究；其次，为了去除头皮、颅骨、脑膜等非脑组织，对灰度直方图匹配算法、组配准、三维表面重建进行研究，同时，利用小脑模板和图像配准方法研究四维小脑去除算法；第三，采用基于多水平集的脑组织分割算法、四维配准算法和脑皮层厚度约束算子，进行四维脑组织分割，以分割出灰质、白质和脑脊液；最后，利用纵向图像配准算法和对称配准算法进行四维脑区标记，实现感兴趣脑区的一致性分割。.. 本项目提出了一种更准确的、能得到一致性分割结果的四维脑MR图像分割算法，提高了纵向脑MR图像的分析质量。具体地，通过对纵向脑MR图像四维分割框架进行研究，解决了如何从大规模纵向脑MR图像数据中自动地分割出感兴趣脑组织的问题，提高了纵向脑MR图像分割的效率；同时，通过对四维大脑提取、四维脑组织分割和四维脑区分割算法进行研究，解决了纵向脑MR图像感兴趣脑组织自动分割的准确性和纵向一致性问题。本项目利用公开数据集ADNI和PPMI等数据集，验证了算法的有效性。基于本项目，搭建了一套纵向脑MR图像自动四维分割软件平台BrainLab，实现了基于脑MR图像的全自动处理与分析，已应用于糖尿病人脑MRI、中印大学生脑MRI、帕金森病人脑MRI、脑MRI-MEG/EEG等分析研究中。项目期间发表杂志11篇，会议3篇，专利5项，获得项目等奖励5项，培养研究生4名，超额完成了预期目标。