基于活动区域轮廓模型的脑部磁共振图像脑组织提取研究

脑组织提取是脑部磁共振图像分析的重要预处理过程，在脑组织分割、测定脑容量、fMRI脑部图像配准、皮层组织研究等领域有重要应用。提取主要有手动和自动方法，手动方法需大量交互，费时费力；自动方法参数较多，性能不够稳定，但无需或仅需少量交互，故为主流研究方向。自动方法有三类：阈值法、可变点阵法和活动轮廓法。阈值法频繁采用阈值分割和形态学操作，参数取值极大影响分割结果；可变点阵法采用离散点阵模型，算法稳定快速但边界不够精确；活动轮廓法边界精确但处理时间长，易陷入局部收敛。本项目拟结合可变点阵法和活动轮廓法，提出一种基于活动区域轮廓模型的脑组织稳定精确快速提取方法，该模型将活动轮廓一定大小的邻域定义成活动区域，仅在活动区域内定义快速稳定的Geo-cuts活动轮廓模型，先利用可变点阵法得到脑组织边界周围的初始活动区域，基于GPU加速技术在活动区域内演化Geo-cuts模型实现脑组织稳定精确快速提取。

脑组织提取是脑部磁共振图像分析的重要预处理过程，在脑组织分割、测定脑容量、fMRI脑部图像配准、皮层组织研究等领域有重要应用。本项目的主要研究内容是结合可变点阵法(BET)和活动轮廓法，研究一种精确、快速、稳定的脑组织提取方法，并将这些算法在GPU上用并行方法实现，以达到实时处理的目的。主要的研究成果有（1）提出一种基于活动区域轮廓模型的脑组织稳定精确提取方法，该模型将活动轮廓一定大小的邻域定义成活动区域，仅在活动区域内定义和演化活动轮廓模型，为保证算法的稳定性，活动区域轮廓模型的初始轮廓值由快速稳定的可变点阵法得到。（2）基于活动区域轮廓模型，本项目在活动区域中定义了一个新的符合脑组织图像分布特征的速度方程来驱动混合水平集活动轮廓。该方程的数据项是一个由活动区域中的全局图像灰度分布定义的一个分段非线性函数，能够方便地控制轮廓收缩和扩张的速度。该方程的平滑项由像素点的局部灰度分布定义，对轮廓演化提供约束，防止边界溢出。(3) 基于活动区域轮廓模型，本项目在活动区域中采用图割法进行轮廓演化。根据脑组织图像灰度分布特点，提出了新的边权重计算方法，该方法比其他采用图割算法的脑组织提取方法更为稳定和精确。（4）基于CUDA平台，通过GPU并行加速，实现了3维MRI脑组织的并行快速提取，在该方法中提出了基于CUDA的并行BET算法和符号距离函数快速计算方法，处理时间小于1秒，实现了实时处理。在此基础上设计的交互式脑组织提取软件在公共测试数据（IBSR）上得到了非常精确的提取结果（评价指数Dice=0.968），从而实现了本项目的研究目标。