图谱法脑部MRI图像自动分割技术发展及应用何小海1,梁子飞1,唐晓颖2,3,滕奇志1（1.四川大学电子信息学院，成都，610065；2.中山大学卡内基梅隆大学联合工程学院，广州，510006；3.广东顺德中山大学卡内基梅隆大学国际联合研究院，顺德，528300）摘要：脑部MRI图像自动分割是计算机技术运用于医学上的一个典型工作，脑部图像分割技术对于人类研究脑部疾病具有重要意义。虽然有一些非常广泛应用的图像分割方法如阈值法、区域增长法、聚类法等，但在脑部MRI图像分割中，这些方法都没有图谱法具有更为实际的医学研究与临床价值。本文回顾了脑部图像配准、分割的发展历程，介绍了图谱分割算法的发展及基本原理，以及当前比较前沿的多图谱分割系统的组成和应用。最后本文对图谱法脑部自动分割在实际临床医学中的应用前景作了总结和展望。关键词：MRI；图谱法；脑图像自动分割；微分同胚；脑部图像配准中图分类号:TP391文献标志码:AAtlas-basedBrainMRIImageSegmentationTechnologyDevelopmentandApplication，XiaohaiHe1，ZifeiLiang1，XiaoyingTang2,3，QizhiTeng(1.Collegeofelectronicsandinformationengineering,SichuanUniversity,Chengdu,610065;2.SYSU-CMUShundeInternationalJointResearchInstitute,Guangzhou,510006;3.SYSU-CMUShundeInternationalJointResearchInstitute,Deshun,528300)Abstract:AutomatedsegmentationofbrainMRIimagesisanimportantcomputer-basedtechnologywithwideapplicabilitytomedicinefield,andthistechnologyisofgreatsignificanceinthestudyofhumanbraindiseases.Thereexistsavarietyofsegmentationmethods,suchasthethresholdingmethod,theregiongrowingmethod,andtheclusteringmethod,thathavebeenbroadlyappliedtonaturalimages.However,thosemethodsarenotaspowerfulorpracticalasatlas-basedmethodwhenappliedtoclinicalmedicalimage.Thisarticleistoreviewthedevelopmentoftheatlas-basedmethodforbrainimagesegmentation,withrepresentativealgorithmsintroduced.Thebasicprinciplesoftheseparcellationalgorithmsaredescribedaswellasthecomponentsofastate-of-the-artsegmentationsystem.Onthisbasis,thisarticleintroducesthesegmentationprocedures,anddiscussesitsvariousapplicationsinclinicalresearch.Attheendofthispaper,wesummarizethecurrentstatusandthefuturepotentialoftheautomatedsegmentation’sapplicationsinrealclinicalresearch.Keywords:MRI;Atlas-based;automatedbrainsegmentation;diffeomorphic;brainimageregistration引言在人类对脑部结构认识过程中已经将脑部划分成很多个功能区，各个区域对人的语言、运动、记忆等起着不同作用。在医生或研究者作疾病分析时，尤其是在脑部疾病研究当中，很多时候需要取出或者独立出某个感兴趣区域(ROI，RegionsofInterest)去研究其颜色或者体积等特征变化。MRI由于其图像清晰、分辨率高所以得到医学研究者和医生的广泛认可，特别是在医学脑部自动分割及其后的体积测量时可以得到更高的精确度。医学图像分割发展到全自动处理是经历了一个漫长过程的。初期的医学图像分割是靠医学工作人员手动完成的，当图像扫描层数较少时，手动完成可行性较高。但随着医学成像科技的发展，扫描层数大幅上升，人工手动分割变得越来越难以实现。客观原因是大多数情况下，扫描图像达到几基金项目:国家自然科学基金（61732174，81173356）。十或者上百层，所以人工对每一层实现分割的方法几乎难以实施；主观因素是因为人的知识和判断力，由于MRI图像有对比度不高、组织边界模糊等特点使得人眼对于各个区域的边界判断比较模糊，因此非常精确的分割需要有多年解剖学经验的专业医学相关人员完成。半自动分割是结合人的知识与计算机的快速运算的优点进行图像分割，但是在这个过程中人的经验也仍占有主要作用[1]。因此全脑自动分割成为当下计算机技术领域研究的热点，只有全自动分割才能彻底将人工干预的主观判断误差消除。自动脑分割的方法较多，简单的自动分割算法有基于区域、纹理、直方图阈值的[2...