随着信息技术的快速发展,医学图像处理技术已经成为医疗诊断领域的重要组成部分,得到了广泛研究与应用。传统的诊断过程中,医生通过逐层观察二维图像序列识别病灶,处理效率低,不同医生诊断结果主观差异性较大。医学图像的分割与三维可视化,不仅能够提高医生的工作效率,同时还可以提高诊断的精准性与客观性,是当前备受关注的医学图像处理问题。心脑血管疾病位居人类三大致死疾病之首,严重危害着人类的健康与发展,受到世界卫生组织的高度重视,将其列为全组织亟待解决的难题之一。其中,脑卒中是全球最常见,也是最严重的心脑血管疾病。颅内动脉粥样硬化是导致脑卒中的重要原因,其影像表现为颅内动脉粥样硬化斑块。高分辨率核磁共振成像(High-Resolution Magnetic Resonance Imaging,HRMRI)中的“黑血”成像技术能够清晰地显示动脉血管壁及斑块的形态特征,是目前颅内动脉血管狭窄症影像检测的重要方法。本文对基于HRMR图像的颅内动脉粥样硬化斑块分割与三维重建进行了研究,重点研究了斑块和动脉血管的分割。精准分割是后续三维重建的关键与保障,在计算机辅助诊断领域有重要意义。为实现斑块与动脉血管的分割与重建,主要进行了以下几方面的研究:1.受成像设备与成像环境等诸多因素影响,HRMR图像存在大量噪声,降低了图像质量,研究了一种基于双核非局部均值(Non-Local Means,NLM)滤波的图像去噪算法。针对斑块弱边界导致的分割难问题,提出了一种基于平滑梯度图的边缘增强算法,提高了斑块边缘的可识别性。2.根据增强后的HRMR图像中斑块主体亮度显著增强,研究了一种基于显著性定位与改进动态自适应区域生长的斑块图像分割方法。利用斑块的亮度特征和方位特征定位斑块所在区域,将其作为初始化生长区域,通过自适应调节动态差实现斑块的准确分割。3.针对LSACM模型颅内动脉血管形状多变、分布密集,分割结果常受毗邻动脉血管的干扰等问题,应用了一种基于局部统计信息的活动轮廓模型(Locally Statistical Active Contour Model,LSACM)实现灰度分布不均匀动脉血管图像的分割。由于LSACM模型对初始化敏感,手动初始化不当会直接导致分割失败。对此,引入斑块位于病变动脉血管内部的病理学先验知识,直接将斑块边缘作为水平集的初始轮廓进行演化,得到动脉血管的分割结果。对于动脉血管内无斑块的图像,利用相邻层含斑块动脉血管图像分割结果进行逐层引导,实现动脉血管的分割。4.利用基于VTK的光线投射算法将斑块、动脉血管分割结果以及二者的融合图像分别进行三维重建,通过设置阻光度和颜色值,实现颅内动脉粥样硬化斑块的三维可视化。方便医生更加形象、直观地观察斑块的整体形状以及斑块在颅内动脉血管中的具体位置,可以为影像引导下的外科手术提供依据,或可用于辅助脑血管狭窄症患者的临床诊断与治疗。