中文摘要：

现阶段计算机辅助诊断(CAD)的性能不如医生，主要原因在于计算机难以结合人体解剖结构进行图像诊断。特别是对于预后效果最差的胰腺癌，由于从医学图像中分割出胰腺的难度最大，使得胰腺癌CAD成为难题。近年国际上新兴的计算解剖学，旨在构建能描述个体差异极大的解剖结构的计算解剖模型，并基于该模型进行辅助诊断，形成高度化的CAD技术，大幅地提高CAD整体性能。本课题基于医学图像处理和统计学理论构建包含3D形状模型和状态模型的胰腺计算解剖模型，从该模型获得胰腺结构信息，研究基于胰腺计算解剖模型驱动下的胰腺分割、异常部位检测、特征提取和胰腺癌诊断新方法，建立胰腺癌CAD系统原型，在胰腺计算解剖模型和高度化的胰腺癌CAD关键技术方面取得突破，丰富计算解剖学的理论和方法，获得具有自主知识产权的高度化的胰腺癌CAD技术。此研究将计算解剖学引入到CAD中，蕴含着大量的新理论和新方法，具有重要的理论意义和应用价值。

结论摘要：

采用计算解剖学、计算机图像处理与模式识别技术，建立了胰腺图像概率图谱和统计模型，系统地研究了胰腺癌在CT图像中的纹理、灰度、形状、能量等基本问题，揭示了胰腺癌在CT图像中的特性。针对传统分割方法中往往仅从灰度信息考虑而并未充分利用目标对象统计形状信息的问题，根据概率图谱方法、胰腺组织器官的解剖位置及形状等先验知识，提出了胰腺计算解剖模型的构建算法，建立了胰腺概率图谱和统计形状模型，有效地利用了脏器在位置方面的概率信息，去除了无关组织对后续分割的干扰，同时利用具有解剖先验知识的计算解剖模型良好地解决了不同组织由于灰度相似而粘连在一起的问题，加强了对弱边缘区域分割的鲁棒性；针对胰腺分割存在边缘泄漏的问题，为了进一步提高分割的效率，基于水平集在医学图像分割上的优势和胰腺计算解剖模型提出了一个新的胰腺分割方法，将快速行进水平集方法和改进的距离正则化水平集方法相结合，能够有效地生成最优的初始水平集并且克服由于灰度相似而产生的过分割问题，该方法能够快速、准确地从腹部CT图像中分割出胰腺区域。针对胰腺癌检测问题，提出了在张量空间表示图像数据的方法，使用多线性主元分析方法提取特征张量，提出了将模拟退火和量子进化算法融合的量子模拟退火算法，并利用量子模拟退火算法优化胰腺分类模型，提高了胰腺癌诊断的敏感性。根据上述算法，建立了胰腺“疑似异常部位”CAD系统模型，自主编程开发了可视化软件，并对所提出算法进行了实验验证与分析。发表学术论文10篇，其中被SCI收录6篇；申请了2项国家发明专利；培养了9名研究生。