中文摘要：

本项申请研究脑核磁共振序列中海马体分割问题。海马体体积变化量可以辅助诊断脑痴呆病人的患病程度。高精度的体积及其变化量可以提高诊断精度。传统海马体分割模型常采用先配准后分割的策略，没有较好利用两者信息。并且由于噪声、偏移场等因素的影响以及海马体与其邻近组织同属于灰质，导致传统的分割模型不能得到理想结果。本项目提出一种基于区域信息的分割框架，将配准耦合到该框架以同时实现配准与分割。为提高配准速度与精度，寻找优于传统互信息配准测度函数的严格凹函数作为测度函数；为降低噪声的影响，研究如何将各向异性Gibbs随机场融入到测度函数中；为保持海马体的姿态不变性，利用局部非刚性变换与相邻时间序列上的海马体数据构造正则项，以克服传统分割模型使用曲线长度或曲面面积构造正则项而导致分割不准的缺陷；研究利用局部小邻域信息以及相邻时间序列上的数据构造区域能量项，使耦合框架在分割的同时恢复图像偏移场并降低噪声的影响。

结论摘要：

主要预期指标为发表学术论文7篇以上，有5篇以上被SCI、EI等收录。至今，在SCI检索的期刊上发表标注项目号的论文9篇，已发表标注项目号的EI检索论文7篇，除SCI、EI检索的论文外，还发表国内外期刊论文若干，不计学位论文，共发表24篇。所有论文都标注了项目批准号，超预期指标完成了项目。主要工作有构造基于光流理论框架下的凹函数,使得模型可以在配准的同时恢复图像中的偏移场。进一步构造基于光流理论框架以及非局部信息的配准凹函数，使得模型在配准与偏移场恢复的同时降低噪声的影像。利用局部信息构造基于变分理论的水平集模型，在模型中考虑目标邻域内的灰度分布信息以及图像中偏移场的影响，使得模型能够分割目标的同时恢复图像偏移场，并降低噪声的影响。为得到全局最优解，将其改进为全局凸函数并使用Split-Bregman方法对其进行求解，从而得到较好结果。为进一步降低噪声的影响，构造一种基于局部熵信息的分割与偏移场恢复耦合模型，该模型在水平集理论的整体框架下将局部熵引入耦合模型，进而将其改造成全局凸函数并使用Split-Bregman方法进行全局最优求解。利用结构张量信息构造各向异性Gibbs场，该理论可有效降低噪声的影响并且可以很容易地融入到基于统计分类模型中，从而构造出分割与偏移场恢复模型，以得到较好分类结果。研究如何构造各向异性的同时发现非局部信息可有效降低噪声影响。利用其特点建立一种基于改进FCM模型，并使用人工蜂群算法对其求解以得到全局最优，该模型可以在分割的同时恢复图像偏移场。针对传统的非局部信息多为各向同性从而导致一些细节信息丢失的缺点，构造各向异性非局部信息以有效保持目标结构信息，将其融入到FCM框架下，构造图象分割与偏移场恢复耦合框架。传统的GAC模型对噪声、偏移场等敏感。为了降低噪声以及偏移场的影响，利用图像小邻域灰度信息构造符号压力函数指导曲线演化到目标边界，从而可以针对MR图像中感兴趣目标进行分割。构造一种基于时空约束的4D脑图像PDE框架,该框架耦合了图像配准、图像分割以及图像偏移场恢复。在分割项中包含了由全局以及局部信息，降低噪声的影响并同时恢复图像偏移场，配准项中使用局部结构信息，得到各向异性流场，为保证分割结果在时空维上体现其缓慢变化的特性，构造了时间平滑项。整个框架中图像分割与配准相互引导相互制约，相辅相成以得到满意结果。