《融合結構關聯信息的帕金森病靶區自動識別技術研究》是依託北京工業大學，由楊春蘭擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：融合結構關聯信息的帕金森病靶區自動識別技術研究
- 項目類別：青年科學基金項目
- 項目負責人：楊春蘭
- 依託單位：北京工業大學
項目摘要,結題摘要,
項目摘要
帕金森病（Parkinson's Disease,PD）因具有較高的患病率和致殘率，成為危害老年健康的主要疾病之一。提高靶點影像定位的精度是立體定向手術治療PD亟待解決的臨床問題。本研究通過融合結構間關聯信息，提出一種新的獲得PD靶區先驗形狀模型的方法：採用依賴樹模型對包含PD各靶區的子結構進行描述；在基於配準的分割框架下，通過提取結構間關聯特徵, 融合獨立於樣本數據的先驗知識，從而構建能同時衡量單一結構識別效果和結構間關聯約束情況的評價函式。利用該方法無需手工初始化即可依次完成PD各靶區結構識別，由此將極大減少人工干預和計算複雜度。實現手術治療PD靶區的自動分割和三維可視化，將為醫生提供更加科學、直觀的影像學定位參考依據，對提高手術療效、減少手術風險具有重要的臨床意義。此外，本研究還將為腦深部核團的自動分割提供有益的理論參考。
結題摘要
提高靶點影像定位精度是立體定向手術治療帕金森病亟待解決的臨床問題。同時，隨著深部腦刺激術的廣泛套用，丘腦及其子結構核團也是用於治療癲癇和錐體外系疾病的重要毀損區。因此，帕金森病靶區自動識別對神經疾病的診療具有重要意義。目前針對帕金森病靶區細小核團，有效的自動分割方法鮮有報導。其中大部分均需樣本訓練模板，費時費力，準確度有待提高。本項目以臨床常規T1-MRI影像數據為研究對象，對帕金森病靶區自動識別技術進行了研究。首先，本項目提出一種基於結合置信連線度的改進模糊連線度算法：該方法通過套用置信連線度理論，可自動獲得目標感興趣區域；基於模糊連線度框架，針對丘腦核團邊界模糊所致的分割困難，引入梯度特徵，在模糊連線度計算中有效體現了結構間邊界信息；採用了一種自適應計算灰度特徵權重與梯度特徵權重的方式；可自動獲取模糊連線度分割閾值。實驗結果表明，該方法分割丘腦的相似度評價指標在85%以上；此外，Vim核團分割明顯優於傳統模糊連線度、水平集等方法。該方法在減少人工干預的同時，保證了分割結果的準確性。其次，研究了一種基於配準框架的帕金森病靶區分割方法。該方法突破了需利用全腦配準或通過樣本訓練來獲取先驗形狀模型的傳統模式，將PD各目標靶區子結構視為一個新的整合結構，通過，採用梯度幅值、灰度方差、豪斯多夫距離作為單一結構測度；歐式距離、交疊率、體積大小差異作為結構間關聯測度，從而構建融合各子結構間關聯信息的能量函式，實現了丘腦、尾狀核、殼核的自動識別。再次，對帕金森病靶區進行了三維重建工作：經配準、剪下、分割、表面重建等步驟，獲得立體形態的頭部、第三腦室、尾狀核、殼核、丘腦、蒼白球結構。三維重建結果可生成真實的腦部解剖結構，並可通過旋轉、縮放和透明化等後處理再現核團的自然形態及毗鄰關係。重建結果可以作為後續算法驗證的標準，並能為醫生提供直觀的映像。最後，開發了帕金森病靶區自動識別系統。通過調用Matlab引擎在後台實現本項目提出的分割算法，套用經典移動立方體算法對分割結果進行表面重建，為便於存儲和傳輸對結果進行了格線化簡，並對重建後的模型進行解析。經測試，利用該系統重建帕金森病靶區結果與利用可視化軟體Amira重建結果近似。使用該系統模型分析，醫生可以獲得三維重建模型的中心坐標等參數，從而確定手術器械的進入方向和深度。與傳統手術輔助系統相比，可有效節省時間，減少病人痛苦。
