中文摘要：

帕金森病（Parkinson's Disease,PD）因具有较高的患病率和致残率，成为危害老年健康的主要疾病之一。提高靶点影像定位的精度是立体定向手术治疗PD亟待解决的临床问题。本研究通过融合结构间关联信息，提出一种新的获得PD靶区先验形状模型的方法采用依赖树模型对包含PD各靶区的子结构进行描述；在基于配准的分割框架下，通过提取结构间关联特征, 融合独立于样本数据的先验知识，从而构建能同时衡量单一结构识别效果和结构间关联约束情况的评价函数。利用该方法无需手工初始化即可依次完成PD各靶区结构识别，由此将极大减少人工干预和计算复杂度。实现手术治疗PD靶区的自动分割和三维可视化，将为医生提供更加科学、直观的影像学定位参考依据，对提高手术疗效、减少手术风险具有重要的临床意义。此外，本研究还将为脑深部核团的自动分割提供有益的理论参考。

结论摘要：

提高靶点影像定位精度是立体定向手术治疗帕金森病亟待解决的临床问题。同时，随着深部脑刺激术的广泛应用，丘脑及其子结构核团也是用于治疗癫痫和锥体外系疾病的重要毁损区。因此，帕金森病靶区自动识别对神经疾病的诊疗具有重要意义。目前针对帕金森病靶区细小核团，有效的自动分割方法鲜有报道。其中大部分均需样本训练模板，费时费力，准确度有待提高。本项目以临床常规T1-MRI影像数据为研究对象，对帕金森病靶区自动识别技术进行了研究。首先，本项目提出一种基于结合置信连接度的改进模糊连接度算法该方法通过应用置信连接度理论，可自动获得目标感兴趣区域；基于模糊连接度框架，针对丘脑核团边界模糊所致的分割困难，引入梯度特征，在模糊连接度计算中有效体现了结构间边界信息；采用了一种自适应计算灰度特征权重与梯度特征权重的方式；可自动获取模糊连接度分割阈值。实验结果表明，该方法分割丘脑的相似度评价指标在85%以上；此外，Vim核团分割明显优于传统模糊连接度、水平集等方法。该方法在减少人工干预的同时，保证了分割结果的准确性。其次，研究了一种基于配准框架的帕金森病靶区分割方法。该方法突破了需利用全脑配准或通过样本训练来获取先验形状模型的传统模式，将PD各目标靶区子结构视为一个新的整合结构，通过，采用梯度幅值、灰度方差、豪斯多夫距离作为单一结构测度；欧式距离、交叠率、体积大小差异作为结构间关联测度，从而构建融合各子结构间关联信息的能量函数，实现了丘脑、尾状核、壳核的自动识别。再次，对帕金森病靶区进行了三维重建工作经配准、剪切、分割、表面重建等步骤，获得立体形态的头部、第三脑室、尾状核、壳核、丘脑、苍白球结构。三维重建结果可生成真实的脑部解剖结构，并可通过旋转、缩放和透明化等后处理再现核团的自然形态及毗邻关系。重建结果可以作为后续算法验证的标准，并能为医生提供直观的映像。最后，开发了帕金森病靶区自动识别系统。通过调用Matlab引擎在后台实现本项目提出的分割算法，应用经典移动立方体算法对分割结果进行表面重建，为便于存储和传输对结果进行了网格化简，并对重建后的模型进行解析。经测试，利用该系统重建帕金森病靶区结果与利用可视化软件Amira重建结果近似。使用该系统模型分析，医生可以获得三维重建模型的中心坐标等参数，从而确定手术器械的进入方向和深度。与传统手术辅助系统相比，可有效节省时间，减少病人痛苦。