海马体(Hippocampus)是人脑中的重要组成部分,海马体位于大脑丘脑和内侧颞叶之间,主要负责学习、记忆和空间定位。研究表明,多种精神类疾病如阿尔兹海默症、颞叶癫痫、精神分裂症等与海马体体积、形态的改变有着密切的联系。脑核磁共振图像(Magnetic Resonance Imaging,MRI)海马体的精确分割,海马体体积的准确测量,可为临床医生对脑部疾病诊断和治疗提供辅助,人脑MR图像海马体分割的研究对开展各种精神类疾病的研究也具有至关重要的意义。MRI图像中海马体、杏仁核等脑部解剖结构边界模糊,对比度较低,海马体体积较小且解剖结构复杂,传统的分割方法分割精度低,因此,从脑部MR图像中高精度分割海马体也成为学术界研究的重点和难点。本文重点研究基于多图谱配准的分割方法,利用图谱提供的先验信息,实现海马体的准确分割。主要研究内容如下:(1)本文详细分析研究了多图谱分割方法的特点、分割框架,包括图像的预处理、图像配准、标签融合三个阶段。本文主要针对配准方法和融合方法进行改进,提高多图谱分割的效率和精度。在图谱图像预处理阶段,重点研究了颅骨剔除、图谱选择、感兴趣区域(region of interest,ROI)提取,以保证后续图谱配准以及标签融合的准确性。(2)配准阶段,本文采用高等标准化工具(Advanced Normalization Tools,ANTs)代替重采样环节的粗配准,通过利用每个像素点的局部邻域相似性作为配准的目标函数,并且对变形场施加了有效的约束及平滑可达到比较好的配准效果,再使用微分同胚Demons算法进行精配准,提高了配准阶段的精度和速度。(3)在标签融合阶段,研究了多种标签融合算法,利用加权选择、STAPLE、基于块的融合算法(PBM)、Graph Cuts算法、基于非局部块稀疏约束算法(NLP)、局部标签学习算法(Locallabel learning,LLL)多个融合策略,将基于ANTs的微分同胚Demons配准得到的标签图像进行了标签融合,并对各个算法的分割结果进行对比分析。实验结果表明,本文提出的基于ANTs的微分同胚Demons配准算法与加权选择(weight voting,WV)融合算法相结合可以获得更好的分割效果,分割左、右海马体的Dice系数平均值分别达到0.8989、0.9096。