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

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。