论文部分内容阅读
扩散张量成像(Diffusion Tensor Imaging,DTI)是唯一能够非侵入地对生物组织中水分子的各向异性扩散特征进行成像的成像模态,它能够提供更多组织微细结构信息。在DTI图像中,属于同一组织的体素,由于扩散特性相似,其张量值中包含有相似的特征信息,不同组织体素的张量值中则包含了不同的特征信息。DTI图像的分割就是基于此差异特性,采用某种方法将生物组织中的病变部位分割出来,以辅助临床原发性老年痴呆症、脑缺血、中风和精神分裂等脑部疾病的提前诊断和后期治疗。针对传统DTI图像分割算法中存在算法复杂度高、效率低和精度不高,不能有效地将组织微细结构信息提取出来以及DTI图像纤维追踪可视化等问题,本文做了以下研究:1)为了解决传统DTI图像分割中更细致边缘信息丢失问题,提出了新的张量形态学梯度参数。首先基于8邻域新定义了张量相似性形态学梯度以及提出了新的张量各向异性形态学梯度;然后采用基于标记的分水岭算法对DTI图像进行分割,即用形态学技术对梯度图像进行开、闭操作,以完成图像分割,取得较为满意的分割效果。2)针对传统分水岭分割算法存在过分割、分割精度不高等问题,本文提出了一种新的基于k-medoids聚类的人脑DTI图像改进分割算法。首先,通过计算人脑DTI图像的扩散各向异性参数形态学梯度,将张量图像转化为形态学梯度图像;然后采用最大最小距离算法选择初始聚类中心,运用k-medoids聚类算法对形态学梯度图像进行预处理,减少分割对象;最后运用分水岭分割算法完成目标对象更细致、更准确的分割。3)DTI主要根据大脑组织中水分子扩散运动的各向异性特征对大脑的组织结构进行成像,基本能够反映大脑内部神经纤维的结构和走向。为了更加清晰地研究和分析目标分割区域,本文采用Diffusion Toolkit和TrackVis软件对采用的实验数据进行纤维追踪和结果可视化,为医生诊断病情确定治疗方案提供更多更准确的纤维结构信息。DTI是在磁共振成像(Magnetic Resonance Imaging,MRI)基础上发展起来的一种较新的成像技术,在医学临床上得到了广泛的应用。因此,DTI图像分割、分析及其纤维追踪可视化的深入研究将有助于人类进一步的了解人类大脑的内部结构和工作方式,解开人类的智慧之谜,从临床角度来讲,研究大脑神经纤维结构对于诊断和治疗一直困扰人类健康的神经疾病也是有着非常重要的现实意义。