基于改進分水嶺的彌散張量胼胝體分割方法研究.pdf

1、彌散張量成像技術(shù)是核磁共振成像的模型之一，通過測量生物組織內(nèi)水分子的彌散情況來進行成像。彌散張量成像技術(shù)對研究大腦的認知功能和神經(jīng)結(jié)構(gòu)的正常工作重要的意義。在大腦白質(zhì)組織中，彌散表現(xiàn)出各向異性，彌散的各向異性與腦白質(zhì)內(nèi)神經(jīng)纖維的直徑、密度、神經(jīng)膠質(zhì)細胞的密度和磷脂化程度有關(guān)。在神經(jīng)纖維組織，水分子表現(xiàn)為沿著纖維走行方向的彌散比與其垂直的方向更容易，胼胝體、錐體束、內(nèi)囊前肢的各向異性依次降低。
　　胼胝體是大腦中最大的連合纖維束體，

2、位于大腦縱裂底部，是溝通大腦左右半球的通道，主要參與大腦半球之間的信息交互整合。胼胝體對人的正常生理功能有著重要的意義，包括大腦的記憶功能、感知功能、語言功能和聽覺功能以及視覺信息的傳遞功能。此外，胼胝體的病變與精神分裂癥、自閉癥等神經(jīng)性疾病的產(chǎn)生也密不可分。因此，精確地分割出胼胝體可以對胼胝體相關(guān)疾病的診斷以及研究提供科學有效的依據(jù)。
　　本文根據(jù)彌散張量胼胝體的成像特點，即胼胝體的各向異性程度較高，結(jié)合分水嶺分割算法分割精度高

3、的優(yōu)勢，并將粒子群算法和閾值算法應(yīng)用到分水嶺算法的改進中，提出了一種新的基于分水嶺的改進算法來分割胼胝體。首先對胼胝體的彌散張量成像數(shù)據(jù)進行處理，得到其部分各向異性圖像，然后將梯度圖像的最大類間方差函數(shù)作為粒子群算法的適應(yīng)度函數(shù)，使用粒子群優(yōu)化算法求取最佳閾值，將求得的最佳閾值對圖像的進行擴展極小值變換，然后修改梯度圖像，將得到的新的局部極小值點作為標記點，對圖像進行分水嶺分割。本文主要完成了以下幾個方面的工作：
　　1.詳細分析

4、了彌散張量的成像原理，完成了對DTI數(shù)據(jù)的處理，對比了不同的DTI參數(shù)的特點，并通過計算求得了各向異性圖像；
　　2.總結(jié)了當前常用到的典型的醫(yī)學圖像分割算法；
　　3.分析分水嶺分割算法的原理、特點并探索其改進方法，重點分析了基于標記的分水嶺算法及其改進方法；
　　4.詳細研究了粒子群優(yōu)化算法的原理與實現(xiàn)過程，并針對不同的粒子群慣性權(quán)重進行分析，結(jié)合一種改進的粒子群優(yōu)化算法和閾值標記法提出一種改進的分水嶺分割算法；<