基於水平集可變形模型之鼠腦影像中風區域分割之研究

Abstract

"腦中風是造成全球人口死亡與失能的主要原因之一，近年來有許多腦中風之相關研究，在臨床實驗模型中，大多使用囓齒類動物之影像作為實驗研究依據。為了將中風區域分割出來，不僅需要專家耗時且費力的進行手動分割，也容易因為各人的評判標準不同而產生不一致之結果。因此本篇論文以大鼠作為實驗動物，利用其腦部磁振影像與經2,3,5-氯化三苯基四氮唑染色之大腦影像開發一自動演算法，將中風區域分割，以利研究者進行分析與研究。本篇論文主要以大腦動脈阻塞之大鼠作為研究對象，針對缺血性中風之鼠腦進行中風區分割。演算法分為以下幾個部分，首先因為缺血性中風位置之像素影像強度較高，利用左右腦之影像進行影像套合後之差值判定為中風區域初始輪廓，接著套用改良的可變形模型得到分割後的中風區影像。改良的可變形模型是基於窄帶區域的無邊緣主動輪廓模型，並將窄帶區域改成更局部的法線方向，並在迭代過程中對時間步長進行調整，使計算效率提升、準確率上升。本篇研究使用擴散權重磁振影像共有67隻大鼠， T2權重影像共有76隻大鼠， 2，3，5－氯化三苯基四氮唑染色影像共有43隻大鼠。結果顯示在上述三種不同鼠腦影像中，本研究演算法可以產生優良的大鼠大腦中風區分割結果。在相同的實驗設定下，本論文提出之方法優於其他可變形模型之分割結果。本研究提出一個全自動的鼠腦中風區分割方法，可以成為良好的輔佐工具，協助進行腦中風相關之研究。"