基于改进水平集方法的Micro-CT鼠脑三维自动化分割

【作 者】陈诗烨，王成＊，郑秀娟2,

1 上海交通大学医学院生物医学工程系，上海，200025

2 上海交通大学医学院附属仁济医院核医学科，上海，200127

0 引言

要开展鼠脑Micro-PET/CT图像自动定量分析，首要步骤是从头部图像中实现对全脑组织的分割和提取。这一过程通常是利用CT图像提取大脑结构，在此基础上分析PET功能图像。尽管在人类的CT或MRI图像中分割并提取大脑组织的方法上已经相当成熟，然而与人类大脑的提取相较，在Micro-PET/CT图像中的分割提取鼠脑的难度更大。其主要原因在于：①需要提取的鼠脑组织非常小，且结构复杂，尤其是前脑部分，即使用人眼也很难分辨；② 虽然Micro-CT拥有极高的分辨率，但图像边缘依然比较模糊，且不连续，存在很多断点，给分割带来很大难度。因此，为了准确分割鼠脑图像，就不能简单套用既有的相对成熟的人脑分割方法。本文提出一种基于水平集的方法，能有效地实现对鼠脑组织的三维自动化分割。

水平集方法最早是由Osher和Sethian[1]在1988年提出，现已在图像处理和计算机视觉等领域得到了广泛的应用[2-3]。2008年，Zhang等人[4]提出了一种基于水平集的混合分割方法，其特点是同时结合了边缘和区域信息，以达到准确分割的效果。其中，边缘信息可以帮助检测目标对象的准确位置，而利用区域信息则可以防止边缘泄漏问题。2009年，Uberti MG[5]提出了一种基于水平集方法并且针对小鼠MRI图像提取大脑组织的半自动方法，其分割效果也较为显著。但是，使用这些近年来所发展的水平集方法来分割鼠脑Micro-CT图像仍然有较多不足：① 水平集初始表面轮廓仍需要手动设置；……