基於統計分割的腦血管三維模型重構研究

《基於統計分割的腦血管三維模型重構研究》是依託北京師範大學，由田沄擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於統計分割的腦血管三維模型重構研究
• 依託單位：北京師範大學
• 項目負責人：田沄
• 項目類別：青年科學基金項目

項目摘要

腦血管疾病是危害人類健康的常見疾病，利用醫學影像數據精確重構三維腦血管模型，是研究發病機理和制定診療方案的重要手段。但由於腦血管組織灰度分布範圍廣，結構分支多，且形態複雜細小，致使三維模型重構困難。本項目旨在研究基於TOF MRA數據場的腦血管三維模型重構：運用粗糙模糊集理論對體數據場模糊增強，在其高階幾何特徵空間中，通過非監督參數估計方法獲取特徵體數據場的機率分布，然後從分布模型中計算每個體素的區域信息和邊界信息，進而將獲取的信息併入變分框架中，藉助Level Set方法對體數據場直接分割;在此基礎上，研究基於球B樣條的血管模型，該模型可望實現複雜腦血管的精確表示，滿足虛擬現實環境下顯示高精度血管組織及實時互動的要求；最後，從理論與實驗兩方面，分析算法的性能，明確其局限性和適用範圍。

結題摘要

腦血管疾病是危害人類健康的常見疾病，利用醫學影像數據精確重構三維腦血管模型，是研究發病機理和制定診療方案的重要手段。但由於腦血管組織灰度分布範圍廣，結構分支多，且形態複雜細小，致使三維模型重構困難。本項目圍繞腦血管三維模型重構問題，重點研究了物體特徵提取、活動輪廓模型、腦血管分割、血管模型重構和腦血管繪製等技術。針對特徵選擇的經典難題，提出基於粗糙熵的不確定測度，可有效量化知識的不確定性，能夠在較低的計算複雜度下確定出最優特徵；結合多種不同信息，提出不同的活動輪廓模型算法（文章“Active contours model combining region and edge information，Machine Vision and Applications, 2013，24(1), pp 47-61”已他引14次），能精確、高效處理圖像灰度分布不均勻的問題；對腦血管分割模型進行了比較，針對弱對比度的細小血管及灰度分布不均勻的血管分割問題，提出多種腦血管分割算法，包括基於Allen Cahn方程和似然模型的多分枝腦血管分割；自動初始化的基於活動輪廓模型的高效血管分割算法；基於統計分析和血管測度的活動輪廓模型腦血管分割算法；基於區域增長和局部自適應C-V模型的腦血管分割；基於Markov隨機場和粒子群算法的腦血管分割方法；針對血管分割算法的評估，提出改進的均方誤差量化方法；針對腦血管拓撲結構的複雜性，提出基於球B樣條曲線並結合樹狀結構的腦血管三維模型重構方法，該方法在腦血管顯示、病灶檢測等方面具有較大優勢；針對腦血管的顯示，提出基於光線投射算法的腦血管體繪製方法和基於表意式增強的腦血管體繪製算法，使得腦血管的顯示更加符合人眼的視覺特徵，且能夠實時互動。在上述理論研究的基礎上，開發了腦血管3D分割及可視化平台，並進行了算法實驗驗證。已發表學術論文15篇，錄用1篇(IEEE Journal of Biomedical and Health Informatics)，其中SCI檢索3篇，EI檢索11篇，申請國家發明專利2項，培養碩士生5名，博士生1名。 本項目研究成果對於腦外科醫生手術規劃、圖像導航神經外科手術等具有重要作用，比如醫生能夠通過模型形態分析和計算流體力學模擬來了解形狀指數和血液動力學參數的變化，以便更好地計畫微創手術和預測血管瘤破裂風險。