《面向小動物影像的小鼠全身數字圖譜配準算法研究》是依託大連理工大學,由王洪凱擔任項目負責人的面上項目。
基本介紹
- 中文名：面向小動物影像的小鼠全身數字圖譜配準算法研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：王洪凱
項目摘要,結題摘要,
項目摘要
小動物醫學成像的快速發展為自動化影像分析提出了迫切需求。數位化小動物圖譜與個體影像的配準是自動化圖像分析的重要方法，但是不同動物個體之間存在著形態上的差異，不同的影像模式也有著各自的圖像特徵，這兩個問題給圖譜的自動精確配準帶來了困難。本課題旨在研究一種小鼠全身數字圖譜與不同小鼠影像模式之間的自動配準算法，採用近期構建的可變形小鼠全身圖譜作為模板，通過最佳化圖譜的骨骼姿態、身長、體重等參數來彌補圖譜與個體之間的形態差異。為實現圖譜與CT、MRI、PET、SPECT、光學照片、X光投影、體表掃描影像等模式的自動配準，本研究將不同影像模式按照空間維度分類，針對每一種維度設計配準方法，用低維度配準結果作為高維度配準的初始化條件以增強全身姿態配準的魯棒性，並用低維度的圖譜配準結果作為先驗知識，輔助對三維圖像中高對比器官的自動分割。本研究將為生物醫學領域的小動物影像分析提供有利的算法支持。
結題摘要
小鼠醫學影像在臨床前的疾病研究、藥物研發等領域有著廣泛的套用。在小鼠醫學影像分析過程中，全身器官區域的分割常被用於測量器官代謝和形態變化。但是，手工器官分割耗時費力且客觀性差，急需自動化的算法來提高分割速度和客觀性。本項目基於課題組前期構建的可變形小鼠全身數字圖譜，進一步開發了適用於不同影像模式、成像質量、身體姿態的小鼠全身圖譜配準算法，可自動實現小鼠醫學影像中的全身器官區域劃分，為相關的研究機構和企業提供有利的軟體工具。課題組針對實際套用場景中不同的圖像採集質量開發了不同的圖譜配準算法，包括用於高清晰度圖像的基於器官分割的配準方法，用於低清晰度圖像的無須器官分割的配準方法，用於姿態變化較大樣本的基於骨關節點檢測的配準方法，以及用於低對比度CT圖像的深度學習模糊器官區域估計算法。基於本研究的成果，課題組進一步研發了小鼠PET成像設的備校準體模，用於改善小鼠成像質量，使圖譜配準算法更好發揮作用。該圖譜配準算法還被用於鼠腦感興趣區域的劃分，實現了甲減鼠和正常鼠的腦網路構建與對比。本項目所開發算法已開源供全世界下載使用，並實現了算法成果的產業化，為相關企業提供每天上百例的自動化小鼠PET/CT影像數據分析服務。截止項目結題，課題組基於研究成果已與世界多家頂尖高校和企業開展了合作。
