基于DBCNet的TOF-MRA中脑动脉树区域自动分割方法

从脑部医学影像中划分动脉树区域是诊断和评估许多脑血管疾病的早期步骤.现有的区域分割方法多依赖人工辅助,本文中提出了一种基于双分支连通网络(dual branch connected network,DBCNet)的脑动脉树自动分区方法,可以将时间飞跃磁共振血管造影(time of flight-magnetic resonance angiography,TOF-MRA)中的动脉树分割为6个主要区域.DBCNet中引入了分支特征解耦模块和Swin Transformer机制的全局与局部特征融合模块,训练采用先定位后分割的两步训练策略.本研究使用了111例TOF-MRA数据,其中81例作为训练集,20例作为验证集,10例作为测试集,模型在测试集上的平均Dice系数为74.72%,95%豪斯多夫距离(HD95)为3.89 mm.和其他先进分割网络相比较,该网络能更准确地分割出各个主要区域,并具有一定的鲁棒性.

脑动脉树的分形(Fractal)研究

系近年来，分形和分维（Fractaldimension）的概念已经渗透到生物医学领域。动脉树属于分形，可用分维来定量表征。本文根据分形理论，应用分维测试的盒子法，通过对脑动脉树分维（Df）的测量，从定量的角度对脑动脉树的整体配布和结构复杂程度进行了初步探讨。8－10月新鲜胎尸及成人标本各5例，行5－10％ABS丁酮溶液动脉灌注，制成完整的胚胎及成人大脑前、中、后动脑树铸型标本。利用MAS－1图像分析系统进行图像采集及分割，建立图像数据库。根据分维测试的盒子法的原理，利用C语言编制相应的测试软件，对各脑动脉树进行分推测试测试结果：胚胎和成人左侧大脑前、中、后动脉树的D值分别为：1．51、1．68、1．64和1．705、1．785、1．734；胚胎和成人右侧大脑前、中、后动脉树的Df值分别为：1．501、1．567、1．621和1．682、1．75、1．729；大脑前、中、后动脉树的Df均值在胚胎和成人分别为：1．506、1．676、1．63和1．693、1．773、1．731。经统计检验。无论胚胎或成人脑动脉树的分维，右、右侧之间均无显著性差别，且存在：大脑中动脉树的分维＞大脑后动脉树的分维＞大脑前动脉树的分维；胚胎大脑前、中、后动脉树的分维均小于成人大脑前、中、后动脉树的分维。

根据MRA实现脑部动脉树的三维可视化

提出了一种根据MRA原始数据进行脑部动脉树三维可视化的方法.首先调整Gamma值和亮度,并将MRA原始图像二值化,然后通过计算各区域的面积从中提取出大血管.经过层间线性插值后,将所得的结果在微机上三维可视化.通过对临床数据的处理,得到了满意的结果,为分析和诊断脑部血管病变提供了极大的便利.