云计算-脑皮质内外曲面的提取和体积计算.pdf

在当前的医疗成像技术中，尤其是磁共振成像（MRI）因其安全性及可重复性，已经成为更好地理解和监测疾病发展的重要工具。MRI能够清晰地反映出大脑的软组织结构，特别是区分白质（WM）、灰质（GM）以及脑脊液（CSF），这对神经系统科学和各种神经疾病的品质分析至关重要，比如阿尔茨海默病的研究。其中，人脑皮质的扩展和阴影分析是神经科学研究中的关键方法，有助于识别和分析神经退行性疾病。 然而，国内外在脑皮质表面提取上面临巨大挑战。多数方法需要近乎完美的初始条件和人工干预，所提取的表面无法保持完整性，并且计算需求繁重。这些缺陷导致计算表面曲率困难，严重影响形状分析，增加皮质体积和平均厚度计算的误差。 本文提出了一种基于三维MRI图像，通过两阶段快速匹配方法提取脑皮质内外表面的方法。第一阶段，利用快速标记法从MRI图像生成三维到达时间场，由此提取内皮质和外皮质表面。但因为图像数据的噪声、体积效应、图像伪影、非均匀性等因素，导致等值面连通性较差。 为了解决连通性问题，第二阶段引入了隐式表面（等值面）的概念，由三维到达时间场定义。在此基础上，再次应用快速标记法移除生成的等值面上的一些“孤岛”结构。这一新方法旨在计算皮质体积，提高皮质表面的连续性和精度。 此外，通过改进的算法，不仅可以优化表面提取的完整性和精确性，还能减少计算错误，使得皮质曲率和体积测量更加准确，对于神经疾病的研究和临床诊断具有重要价值。该方法可能为未来神经影像学分析提供新的思路和技术支持，进一步推动对大脑结构和功能的理解。