基于概率图谱引导的群组自适应时序脑MR图像脑提取方法研究

Brain extraction is the first step of brain image processing in neuroscience research. Robust brain extraction image which is applicable to diverse large-scale dataset is needed. To reveal subtle but dynamic changes in longitudinal brain images, robust and consistent brain extraction method is urgently needed. The proposal aims to develop a probability map guided group adaptive brain extraction approach of longitudinal brain MR images. The project will be executed in two stages. The brain probability map is first constructed and then employed in a deformable model for refining the extraction result. For longitudinal brain images, groupwise registration is performed and the same initial surface meshes are placed on images of all time points. With the temporal smoothness constraint, all the surface meshes are simultaneously driven to evolve to the respective target brain boundaries by the surface model. Accurate and longitudinal consistent results will be achieved. The robustness and consistency of the proposed brain extraction method will provide an important foundation for patient diagnosis and for exploring how our brain works. The applicant has worked in the field of brain image analysis for more than 5 years.

脑提取是神经影像学研究中脑图像处理的第一步，随着多样化大型数据集的涌现，广泛适用于多种数据集的精确且鲁棒脑提取方法亟待提出。为了更进一步地发现时序脑图像中所发生的动态变化，需要开发一种精确一致的脑提取方法用于敏感捕捉这种细微变化。本项目拟提出一种脑概率图谱作为先验知识引导的群组自适应时序脑提取方法。方法分两个阶段进行，通过学习先验知识构建脑概率图谱，并与基于变形模型的精确修正相结合以提高算法鲁棒性与精确度；针对时序图像脑提取时间一致性的问题，通过群组配准使各时间点图像对应起来并建立相同的初始表面，通过加入时间平滑约束，驱动各时间点上表面模型同步进行变形，获取精确一致的时序脑提取结果。拟研究的基于先验知识引导的群组自适应时序脑提取方法将提高时序脑MR图像脑提取的精确性和一致性，为辅助临床脑疾病诊断和探索人脑的基本工作原理等奠定良好的基础。申请人有多年脑图像处理和分析的工作基础。

脑提取是神经影像学研究中脑图像处理的第一步，随着多样化大型数据集的涌现，广泛适用于多种数据集的精确且鲁棒的脑提取方法亟待提出。为了更进一步地发现时序脑图像中所发生的动态变化，需要开发一种精确一致的脑提取方法用于敏感捕捉这种细微变化。针对以上问题，本项目构建了一种以脑概率图谱作为先验知识引导的群组自适应时序脑MR图像脑提取算法模型，在多样性数据集上从多角度对算法准确性和鲁棒性进行了评估，并从脑疾病诊断及脑发育方面对算法有效性进行了验证。主要进行了以下几个方面的研究工作：1）完成了多中心数据的搜集整理和预处理工作，并对应群组构建了群组自适应的脑概率图谱，其中所构建的成人、儿童及猕猴的脑概率图谱可供领域研究使用；2）构建了先验知识引导的表面变形模型驱动的三维脑提取算法模型，并在多样性数据集上验证了算法的鲁棒性和准确性，所提出方法对参数不敏感，在固定参数情况下获得了优于其他方法的结果，满足多中心采集大型数据的处理需求；3）实现了时域平滑力约束驱动的时序脑图像精确一致的脑提取方法，不同时间点信息进行互补与约束，研究从不同角度评估了算法的准确性和鲁棒性，证明该方法有助于精准度量时序脑图像的细微动态变化，对临床脑疾病的早期诊断具有重大意义；4）在阿兹海默症数据及婴幼儿数据上验证了本项目所提出的精确一致时序脑提取方法在脑疾病早期诊断和脑发育模式研究方面的有效性。直接基于本项目方法所提取的脑亮度图像进行分类研究，与传统经过复杂分割配准等预处理提取分类特征的方法相比，分类结果相当，在证实本项目脑提取方法的有效性的同时，也为脑图像分类研究开辟新的角度。同时进一步在时序婴幼儿数据和猕猴数据上验证了所提脑提取方法的有效性，构建了同时适用于人类和猕猴的具有生物意义的交互对应的脑皮层分区图谱，对于脑发育、脑进化机制以及神经发育类疾病的研究具有重要意义。为项目负责人下阶段研究工作的开展奠定了良好的基础。