基于可变形小鼠图谱的小鼠影像分割算法研究

摘要

小动物影像分析在临床前的癌症研究和新药试制中具有重要意义，小鼠则是小动物实验中最常见的个体。小鼠CT成像是小鼠影像分析中普遍使用的成像模式，因此对小鼠CT图像的处理成为小动物影像分析的重点。其中数字解剖学图谱发挥着重要的作用，通过图谱与目标个体的配准，为目标个体提供解剖学结构上的参照。本课题研究以小鼠微型CT图像（Micro Computed Tomography，micro-CT）作为目标，使用可变形小鼠全身图谱与目标图像进行配准，实现对目标小鼠的器官区域的划分。 图谱构建为本文第一部分工作，使用C++构建可变形小鼠全身图谱，实现图谱可随小鼠姿势、身长和体重的变化而变化，变形过程中器官间的个体形态差异使用统计形状模型（Statistical Shape Model,SSM）的变形表示，高对比度器官与低对比度器官间的位置关系可由条件高斯模型（Conditional Gaussian Model,CGM）表示。构建后的图谱具有更快的变形速度，同时具备较强的可发布性。 基于构建的可变形小鼠图谱，研发了基于高对比度器官分割的图谱配准算法，基于皮肤、骨骼和肺的分割结果，使用图谱中的高对比度器官进行配准，然后对低对比度器官进行映射，实现全身图谱的配准。但是该算法高度依赖高对比度器官的分割，对于分辨率过低的图像并不适用。为了解决该算法的局限性，提出了新的改进算法，无需高对比度器官分割的图谱配准算法。对图谱中的高对比度器官进行相应的CT值填充，使用填充后的灰度图像直接与CT图像进行配准，去除了对高对比度器官分割的依赖，同时提升了算法的配准精度和鲁棒性。 随着小鼠CT影像的积累，出现了各种不同形态姿势的影像数据，为能够对其有效分析，在以上算法的基础上提出了基于解剖标定点的图谱配准算法，使用人工指定的标定点预先调整图谱形态姿势变形，然后进行后续配准。该算法的配准结果通过视觉观察能够较好的将图谱配准到目标个体。从Dice指数、器官体积恢复系数RCvlm和曲面距离Dsurf三方面与通用方法Digimouse的配准结果进行定量比较，本算法在整体上的性能要更优，具有更高的配准精度和鲁棒性。 本文通过使用可变形小鼠全身图谱与目标小鼠CT图像进行配准，创新性地解决了目标影像分辨率过低的问题；利用图谱可变形特点，解决了影像配准过程中身体姿态变化和器官个体形态差异的问题，同时保证算法的配准精度和鲁棒性。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 小鼠数字图谱

1.2.2 基于小鼠全身数字图谱的配准研究

1.3 本文的工作内容

2 可变形小鼠全身图谱构建及配准算法的理论基础

2.1 可变形小鼠全身图谱理论基础

2.1.1 统计形状模型

2.1.3 条件高斯模型

2.1.4 小鼠全身图谱形态姿势变化

2.2 图像配准理论基础

2.2.1 图像配准基本思想

2.2.2 图像配准变形方式

2.2.3 图像配准相似性测度

2.3 配准精度评估

3 可变形小鼠全身图谱的构建

3.1 实验数据

3.2 基于C++构建可变形小鼠全身图谱

3.3 图谱构建结果

3.4 本章小结

4 基于高对比度器官分割的图谱配准算法

4.1 实验数据

4.2 算法描述

4.2.1 高对比度器官自动分割

4.2.2 基于高对比度器官配准

4.3 实验结果与分析

4.4 本章小结

5 无需高对比度器官分割的图谱配准算法

5.1 实验数据

5.2 算法描述

5.3 实验结果与分析

5.4 本章小结

6 基于解剖标定点的图谱配准算法

6.1 实验数据

6.2 算法描述

6.2.1 标定点选取

6.2.2 基于解剖标定点配准

6.3 实验结果与分析

6.3.1 配准结果的视觉评估

6.3.2 配准结果的定量评估

6.4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书