脑电磁场数值分析中图像计算环境的开发

摘要

脑功能的研究是当代自然科学面临的最重大的挑战之一，而由于对脑电磁信号的研究是一种真正无创伤的脑功能研究手段，因此也就成为脑研究的热点。
　　 在查阅了有关脑电磁场数值分析、医学图像分割及三维网格剖分重建的相关文献的基础上，本文重点研究了头皮、脑组织的分割以及网格剖分模型的构建过程。在对原有的图像分割方法特别是近几年来的图像分割方法进行深入研究的前提下，综合运用阈值分割方法以及数学形态学算法实现对头皮的分割；运用阈值分割方法、数学形态学算法及扫描线种子填充算法实现脑组织的分割。主要进行的工作包括：首先讨论了邻域平均法、中值滤波方法和维纳滤波方法对图像的预处理，实验数据表明具有统计意义的维纳滤波对图像处理结果较好；对阈值选取采用迭代阈值、类别方差法、最大熵法求取阈值三种方法，并对实验数据进行了比较；同时运用数学形态学算法、扫描线种子填充算法实现对MRI序列图像的分割。另外，完成了从二维分割图像到三维头模型的构建，着重研究了三角网格剖分方法。以分割出的头皮和脑组织为原始数据，获得图像的边缘轮廓点集，再对边缘轮廓点进行离散获得剖分节点，用最短对角线法实现对头和脑进行三角网格剖分，进而构造出适用于脑电磁场计算的具有真实几何形状、结构、尺寸的头部网格剖分模型，同时，实现对单元节点的自动编号，并记录每个节点的相邻节点、构成三角形的节点的编号以及每个节点参与的三角形的编号等信息。
　　 综合以上方法，针对不同大小、不同分辨率及不同格式的原始图像数据开发完成了一个应用软件系统，并在其上进行了仿真实验，验证了所提方法的有效性。