動態醫學圖像分割的關鍵技術研究

動態醫學圖像分割的關鍵技術研究

《動態醫學圖像分割的關鍵技術研究》是依託中國科學院大學,由呂科擔任項目負責人的聯合基金項目。

基本介紹

  • 中文名:動態醫學圖像分割的關鍵技術研究
  • 項目類別:聯合基金項目
  • 項目負責人:呂科
  • 依託單位:中國科學院大學
項目摘要,結題摘要,

項目摘要

動態醫學圖像分割是構建人體組織運動模型、腫瘤的放射治療、外科手術等領域的重要輔助手段。本項目將研究動態醫學圖像分割的關鍵技術,基於醫學影像中運動目標,建立動態醫學圖像分割理論的框架,把運動目標描述、目標相似性度量和變分模型結合起來,解決對比度低、邊界模糊、成像內容模糊、目標運動複雜的醫學圖像分割問題。針對動態醫學圖像成像特點,構建待分割目標的全局先驗形狀的機率模型,為靜態圖像魯棒的分割結果提供有效的初值;研究水平集的靜態三維醫學圖像目標分割方法,構建新的水平集能量函式,研究快速的逐層疊代的水平集算法,以獲得數值近似最小解;研究對分割目標的局部區域進行配準的四維圖像時空配準方法,構建分割目標的運動模型,形成運動目標的動態分割結果。研究在GPU計算平台上的動態圖像分割並行計算模型,指導動態醫學圖像分割算法的並行實現,有效提高算法計算效率,滿足臨床醫學需要。

結題摘要

隨著四維成像技術的發展,醫學圖像的動態分割成為一個新的研究領域。由於醫學圖像的成像原理和組織本身的特性差異,動態醫學圖像與靜態醫學圖像相比,不但具有圖像本身存在的問題,同時又引入了動態成像帶來的其他困難。本項目研究動態醫學圖像分割的關鍵技術,針對動態醫學圖像成像對比度低、邊界模糊、成像內容模糊、目標運動複雜的問題,研究靜態三維醫圖像目標分割方法;研究對待分割目標進行精確配準的時空配準方法,構建分割目標的運動模型,形成運動目標的動態分割結果;研究GPU計算平台的動態醫學圖像分割並行計算模型,有效提高算法計算效率,滿足臨床套用需求。 課題組完成的主要研究內容包括:1)提出了一種高斯混合模型與圖切割相結合的肺部CT圖像分割方法,可以有效解決肺實質分割中雙肺粘連及肺部邊緣不平滑等現象,平均分割精度可以達到98.83%;2)提出了一種結合3D區域增長法與改進凸包修補算法的全肺分割方法,該方法可以有效修補肺部輪廓的凹陷,修補後的分割正確率可以達到95.53%;3)提出了一種基於快速Levenberg-Marquardt最佳化方法的圖像非剛性配準方法,與傳統的梯度下降法相比,可以有效提高配準精度,並且配準速度可以提高50%以上;4)提出了一種基於點集匹配的肺部運動模型估計方法,不但在肺實質運動估計方面具有較好的性能,同時也能有效估計肺與胸壁之間的滑動運動。該方法在DIR-lab數據集的10個case目標配準誤差的平均值和標準偏差分別為1.21和1.04 mm;5)針對離散時間點的空間配準算法缺乏時間維相關性的問題,提出了一種基於點集匹配和時空追蹤的肺運動估計算法,同時針對結構張量不能良好地表達肺實質內血管結構各異性的問題,提出了空間信息增強結構張量的控制點跟蹤算法,對10組肺部數據跟蹤結果顯示,該方法跟蹤精度優於現有方法;6)利用一種新的隨機擾動技術將低階B-樣條用於構造平滑的變換函式,提高了配準精度和形變平滑度;7)提出了一種基於全卷積神經網路的左心室分割方法,分割精度可以達到內膜1.93mm,外膜2.15mm;8)提出了基於張量投票的曲面特徵提取算法,實驗結果證明,在高維空間時,該方法既能保持穩定,又能提高模型精度;9)提出了一種基於GPU平台的三維體數據可視化架構,並針對形變運算提出了並行加速算法,該算法可以提供400倍的加速比。

相關詞條

熱門詞條

聯絡我們