醫(yī)學(xué)圖像分割與虛擬手術(shù)幾個(gè)關(guān)鍵問(wèn)題的研究.pdf

1、醫(yī)學(xué)影像在現(xiàn)代醫(yī)療診斷過(guò)程中具有極其重要的作用,許多外科手術(shù)的實(shí)施、病癥的診斷都需要醫(yī)學(xué)影像技術(shù)的參與.現(xiàn)代的醫(yī)療中對(duì)影像技術(shù)的應(yīng)用已經(jīng)不再僅限于單純的閱讀影像圖片等一般性的操作了.人們開(kāi)始以所獲得的圖像為基礎(chǔ),融合各種先進(jìn)技術(shù),從更廣泛的角度分析和處理圖像,力求挖掘更深層次的信息,為診斷和治療提供詳實(shí)可靠依據(jù).在處理和分析醫(yī)學(xué)圖像的各種技術(shù)中,既包含圖像分割、特征提取、三維重建等基礎(chǔ)性內(nèi)容,也包含了計(jì)算機(jī)輔助診斷,虛擬外科手術(shù),手術(shù)導(dǎo)

2、航等實(shí)際的應(yīng)用內(nèi)容.本論文選取了分割技術(shù)中的腦皮層分割、腦腫瘤分割、三維重建中的目標(biāo)體虛擬移動(dòng)以及術(shù)前設(shè)計(jì)系統(tǒng)的構(gòu)建作為研究重點(diǎn),以構(gòu)建實(shí)用的外科手術(shù)術(shù)前設(shè)計(jì)系統(tǒng)作為最終目的. 腦皮層具有非常復(fù)雜的結(jié)構(gòu),它的每一個(gè)部分都與人體的一部分的功能相對(duì)應(yīng).腦皮層分割與表示是進(jìn)行腦皮層分析、揭示這些功能映射的重要環(huán)節(jié).同時(shí)腦皮質(zhì)層分割與表示也是是醫(yī)學(xué)影像領(lǐng)域中的一個(gè)難點(diǎn).本文提出了一種基于水平集的自適應(yīng)分割模型來(lái)實(shí)現(xiàn)腦皮質(zhì)層的分割與表示.

3、該模型是一種自適應(yīng)混合水平集帶狀模型.它結(jié)合了基于區(qū)域分割和基于邊界分割算法的優(yōu)點(diǎn),以基于區(qū)域的水平集模型來(lái)描述區(qū)域信息,并以此作為水平集模型演化動(dòng)力；以統(tǒng)計(jì)雙邊緣檢測(cè)算法來(lái)描述邊緣信息,并以此促使水平集的演化能停止在合理的位置上.這樣整個(gè)模型既保持了區(qū)域模型的穩(wěn)健性又保持了邊界模型的準(zhǔn)確性.由于實(shí)際的皮質(zhì)層具有近似相同厚度,本文中將腦皮層的這一特點(diǎn)作為先驗(yàn)知識(shí)融合到分割模型中,使得該模型在表征腦皮層分割上更加合理.此外,模型中還充分考

4、慮了MR圖像中可能存在的偏移場(chǎng)因素,在模型中增加了對(duì)偏移場(chǎng)的描述,有效的克服了偏移場(chǎng)問(wèn)題.本文分別選用仿真腦圖像數(shù)據(jù)和真實(shí)腦圖像數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并與其它方法進(jìn)行比較.實(shí)驗(yàn)結(jié)果證明,自適應(yīng)帶狀模型具有穩(wěn)健、精確的分割效果.與其它方法相比,具有很大的優(yōu)勢(shì).由于腦腫瘤與其它正常組織在成像上有很大程度上的灰度重疊.這種灰度重疊直接給腫瘤分割造成了很大的困難.為了解決腫瘤分割這個(gè)難點(diǎn),本文依照當(dāng)前流行的圖像配準(zhǔn)與圖像分割相結(jié)合的研究方法,提出了基于

5、粘性流體模型匹配的腦腫瘤分割架構(gòu).該架構(gòu)主要由粘性流體模型匹配和基于K最近鄰分類的腦腫瘤識(shí)別兩部分組成.整個(gè)分割過(guò)程以迭代形式實(shí)現(xiàn).在該分割架構(gòu)中,本論文主要對(duì)用于圖像配準(zhǔn)的粘性流體模型進(jìn)行了深入的研究.提出了兩種改進(jìn)的粘性流體模型配準(zhǔn)方法一一變參數(shù)粘性流體模型和基于Markov位移訓(xùn)練的多尺度粘性流體模型. 變參數(shù)粘性流體模型解決了不同像素相同彈性參數(shù)下粘性流體模型的誤匹配問(wèn)題；而Markov位移訓(xùn)練多尺度粘性流體模型解決了像

6、素鄰域?qū)D像配準(zhǔn)的影響.長(zhǎng)期以來(lái),三維重建技術(shù)一直是醫(yī)學(xué)影像領(lǐng)域中的一個(gè)重點(diǎn)的研究?jī)?nèi)容,許多醫(yī)學(xué)圖像應(yīng)用技術(shù)都是基于三維重建技術(shù)的.它隨著持續(xù)更新的計(jì)算機(jī)技術(shù)而不斷發(fā)展.近幾年來(lái),GPUs作為一種可編程流處理器為重建技術(shù)的發(fā)展提供了新的動(dòng)力.本論文討論并提出了在GPUs上編程實(shí)現(xiàn)目標(biāo)體虛擬移動(dòng)的兩種三維重建方法.與一般的獨(dú)立模型空間變換不同,本文所提出的目標(biāo)體移動(dòng)方法實(shí)質(zhì)上是分割體數(shù)據(jù)上的體重建方法.第一種方法的實(shí)現(xiàn)完全是在GPI.Js

7、中的片斷處理器中進(jìn)行的.算法以基于GPUs的Ray Casting重建方法為基礎(chǔ),充分利用了GPUs的三維紋理的采樣能力.首先假設(shè)采樣點(diǎn)位置為某一目標(biāo)體體素,在該采樣點(diǎn)位置按照該目標(biāo)體給定的變換矩陣的逆矩陣對(duì)采樣點(diǎn)位置進(jìn)行變換,以所得到的新的坐標(biāo)位置對(duì)三維紋理數(shù)據(jù)進(jìn)行采樣,獲得采樣值之后首先確定該采樣值是否與目標(biāo)體相一致,然后按照用戶設(shè)定的優(yōu)先級(jí)確定最初采樣點(diǎn)位置的采樣值.這樣在能夠確定采樣點(diǎn)的前提下,借助光線合成過(guò)程,屏幕上的顏色也就

8、最終的確定下來(lái).值得強(qiáng)調(diào)的隨著所有投射光線上的采樣點(diǎn)的確定,目標(biāo)體移動(dòng)位置也隨之確定下來(lái).該算法具有實(shí)現(xiàn)簡(jiǎn)單、實(shí)時(shí)高效的特點(diǎn). 在本文提出的另一種目標(biāo)體虛擬移動(dòng)的方法是對(duì)前一種方法的改進(jìn),在該方法中應(yīng)用了FLAT三維紋理,以二維的形式存儲(chǔ)體數(shù)據(jù)以及移動(dòng)后的三維數(shù)據(jù)體.該方法在目標(biāo)體移動(dòng)方式上與前一種方法相同,該方法借助于GPUs的直接繪制到紋理的能力在一個(gè)繪制過(guò)程中實(shí)現(xiàn)多個(gè)目標(biāo)體的移動(dòng).渲染成像過(guò)程利用了Radon變換,利用平

9、行于投影平面的切片對(duì)目標(biāo)體空間進(jìn)行紋理坐標(biāo)的取樣,以切片疊加的形式重建變換后的三維目標(biāo)體.該方法的繪制過(guò)程是由CPU和GPUs共同來(lái)完成,CPU負(fù)責(zé)紋理切片的生成,而GPUs負(fù)責(zé)紋理的查詢、像素值的累加、參數(shù)的修正等操作.該方法保持了前一種方法的實(shí)時(shí)、高效的特點(diǎn),同時(shí)由于FLAT三維紋理的引入使得該算法具有了較強(qiáng)的靈活性.本論文的最后的一個(gè)重點(diǎn)內(nèi)容是外科手術(shù)術(shù)前設(shè)計(jì)系統(tǒng)的研制.該系統(tǒng)分為數(shù)據(jù)輸入輸出系統(tǒng),圖像分割,目標(biāo)體切割,三維目標(biāo)體

10、移動(dòng)重建等四部分內(nèi)容.該系統(tǒng)可以按照醫(yī)生的設(shè)計(jì)目標(biāo)以虛擬的形式進(jìn)行截骨操作,醫(yī)生可以自由的選擇骨骼、腫瘤等目標(biāo)體進(jìn)行模擬摘除、重新置位等仿真操作.本系統(tǒng)作為一個(gè)應(yīng)用系統(tǒng)盡可能將數(shù)據(jù)處理過(guò)程都放在GPUs上來(lái)進(jìn)行,所帶來(lái)的最大的利好是實(shí)時(shí)性的提高. 綜上所述,本論文著眼于醫(yī)學(xué)圖像領(lǐng)域的實(shí)際應(yīng)用,以腦皮質(zhì)層分割和三維重建中目標(biāo)體虛擬移動(dòng)為研究重點(diǎn),成功實(shí)現(xiàn)了虛擬外科手術(shù)術(shù)前設(shè)計(jì)系統(tǒng)中的腦皮層分割、虛擬目標(biāo)體移動(dòng)、目標(biāo)體切割等一些重要