学位论文 > 优秀研究生学位论文题录展示

三维数字化人脑图谱的构建及其应用

作　者: 李博文
导　师: 顾力栩
学　校: 上海交通大学
专　业: 计算机应用
关键词: 数字化脑图谱图像分割薄板样条移动立方体表面重建网格平滑
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 142次
引　用: 1次
阅　读: 论文下载

内容摘要

大脑是人类最重要并且最为精密的一个器官,从上世纪90年代起,人们开始越来越关注脑科学的研究,这其中便包括对数字化脑图谱及其应用的研究。早期的脑图谱主要是一些打印出来的二维图片集,例如Talairach- Tournoux图谱和Schaltenbrand-Wahren图谱等,尽管这些图谱对神经解剖学教学和研究起到了非常巨大的影响,但是他们仍然存在着许多缺陷,例如,这些图谱一经生成之后便不能再被改变,医生很难通过这些二维的图片来得到大脑内部真实结构的三维印象等。然而,数字化脑图谱可以克服这些缺陷,因为数字化脑图谱是以数字形式存储的,因而它们可以随时被更新,并且现代的三维可视化技术完全可以对图谱的数据进行三维重建,从而可以得到一个非常直观的三维显示效果。因此,数字化脑图谱的构建可谓脑图像研究的基础和中心,设计一个综合全面的脑图谱,建立可供人脑研究参考的数据库,具有十分重要的意义。本文通过对大量算法和文献的研究,介绍了一个基于MR图像的数字化脑图谱的设计,构建以及应用,并通过大量实验对比,提出了一个构建数字化脑图谱的通用方法。构建过程可以分为以下几个步骤:(1)数据的采集和预处理;(2)感兴趣区域(ROI)的提取;(3)贴解剖学标签;(4)三维表面重建;(5)三维网格模型平滑。首先,一个高分辨率,高精度,低噪声的脑部MR数据集是构建数字化脑图谱的基础,我们的图谱采用了加拿大蒙特利尔神经所(MNI)提供的一套大脑MR数据。接下来,提取感兴趣区域,感兴趣区域的提取实际上就是结合解剖学先验知识对大脑数据进行分割,通过实验分析,我们使用了一种基于快速行进法和形态学重建法的多步复合分割算法,经过初步分割后,需要人工进行调整,并提取出脑内一些非常细微的组织结构。针对上一步提取的每个感兴趣区域,我们为其添加了解剖学名称,并且将它们的空间信息同解剖学信息结合起来。在脑图谱浏览器中,我们使用了一种动态交互的方法显示每个组织的解剖学名称。分割结束后,为了将每一个感兴趣区域独立开来,我们使用移动立方体算法对每一个提取出的组织进行了三维表面重建,得到了一个三维模型数据库,其中每一个组织对应一个三维模型。由于医学数据的分层性,表面重建后的三维模型表现出了明显的阶梯效应,为此,我们使用网格平滑算法,对每个三维模型进行了平滑化处理,最终得到了非常光滑的三维模型。数字化脑图谱可以被应用到神经外科手术导航和神经解剖学教学当中,更重要的是它能够被应用于模型驱动分割,从而引导大脑自动分割。因此,在本文最后,我们通过大量实验与分析,验证了我们的数字化脑图谱完全可以被应用于模型驱动分割。图谱的构建已基本完成,但是仍然存在问题,相关工作仍有待进一步完善。数字化脑图谱在神经解剖领域具有广泛的应用潜力,它将为神经解剖领域的工作提供重要的信息。

全文目录

摘要  5-7
ABSTRACT  7-12
第一章绪论  12-16
  1.1 引言  12
  1.2 数字化人脑图谱的研究概况  12-15
    1.2.1 Talairach脑图谱  13
    1.2.2 Whole Brain 脑图谱  13-14
    1.2.3 VOXEL-MAN脑图谱  14
    1.2.4 BrainWeb脑图谱  14-15
    1.2.5 国内的相关研究  15
  1.3 本文的研究内容与章节安排  15-16
第二章相关技术综述  16-34
  2.1 数字化脑图谱  16-21
    2.1.1 数字化脑图谱的概念及其重要意义  16-17
    2.1.2 数字化脑图谱和传统脑图谱的比较  17
    2.1.3 数字化脑图谱的制作流程  17-20
    2.1.4 数字化脑图谱的应用  20-21
  2.2 图像分割  21-26
    2.2.1 图像分割的定义  21-22
    2.2.2 图像分割的主要方法  22-24
    2.2.3 图像分割的评价  24-25
    2.2.4 医学图像分割的难点  25-26
  2.3 图像配准  26-29
    2.3.1 图像配准的概念  26
    2.3.2 图像配准的原理  26-27
    2.3.3 图像配准的数学模型  27-29
    2.3.4 配准的评估  29
  2.4 三维可视化  29-33
    2.4.1 表面绘制算法  30-31
    2.4.2 体绘制算法  31-33
  2.5 小结  33-34
第三章原理与方法  34-54
  3.1 数据来源  34-35
  3.2 感兴趣区域提取  35-40
    3.2.1 水平集算法以及快速行进算法  35-37
    3.2.2 形态学重建法  37-39
    3.2.3 基于快速行进法和形态学重建法的多步复合分割算法  39-40
    3.2.4 手动提取感兴趣区域  40
  3.3 贴解剖标签  40-41
  3.4 三维可视化  41-45
  3.5 网格的平滑  45-48
    3.5.1 拉普拉斯算法  46-47
    3.5.2 平均曲率流算法  47-48
    3.5.3 Taubin的方法  48
  3.6 基于薄板样条的非线性配准  48-53
    3.6.1 特征点以及特征点的提取  49
    3.6.2 弹性空间变换  49-50
    3.6.3 径向基函数变换  50-51
    3.6.4 基函数  51
    3.6.5 薄板样条函数  51-52
    3.6.6 薄板样条函数能量形式  52-53
  3.7 小结  53-54
第四章实验  54-67
  4.1 实验环境及实验数据  54
  4.2 感兴趣区域提取  54-58
    4.2.1 基于快速行进法和形态学重建法的多步复合分割算法  54-55
    4.2.2 手动提取感兴趣区域  55-56
    4.2.3 实验结果分析  56-58
  4.3 贴解剖标签  58
  4.4 三维脑组织建模  58-59
    4.4.1 实验描述  58
    4.4.2 实验结果  58-59
    4.4.3 实验结果分析  59
  4.5 网格的平滑  59-62
    4.5.1 实验描述  60
    4.5.2 拉普拉斯算法  60-61
    4.5.3 Taubin的算法  61-62
    4.5.4 实验结果分析  62
  4.6 图谱引导的大脑分割  62-66
    4.6.1 实验描述  63
    4.6.2 Taylor数据实验  63-64
    4.6.3 Willton数据实验  64
    4.6.4 Wolfe数据实验  64-65
    4.6.5 实验结果分析  65-66
  4.7 小结  66-67
第五章脑图谱集成及其应用  67-73
  5.1 脑图谱中的三维模型  68-70
  5.2 脑图谱的应用  70-73
    5.2.1 神经解剖学教学  70-71
    5.2.2 脑图谱引导的大脑分割  71-73
第六章总结与展望  73-75
  6.1 本文工作总结  73-74
  6.2 未来工作展望  74-75
参考文献  75-78
致谢  78-79
攻读硕士学位期间的研究成果与已发表或录用的论文  79

相似论文

森林防火系统中图像识别算法的研究,TP391.41
人脑解剖结构图谱软件的设计与实现,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于知识的脊柱MRI影像分割算法研究,TP391.41
基于OpenCV的人脸检测方法研究,TP391.41
计算机辅助髋关节置换手术系统研究与开发,TP391.41
基于单目夜视图像的深度估计,TP391.41
基于中介真值程度度量的图像分割方法研究,TP391.41
基于图像处理的棉花成熟度判定技术的研究,TP391.41
基于空间邻域词袋模型的图像标注技术,TP391.41
基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
Web图像搜索中基于GPU的图像分割技术术究,TP391.41
基于改进的GVF主动轮廓模型的图像分割方法研究,TP391.41
基于激光雷达的三维典型地面目标识别技术研究,TP391.41
基于主动轮廓模型的图像分割方法研究,TP391.41
基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究,TP391.41