1、面肌痙攣是由面神經導致的慢性疾病，給患者生活造成了嚴重影響。同時面神經腦干面及毗鄰血管的復雜空間結構，易導致手術前對責任血管的漏判或錯判，進而導致面神經顯微血管減壓(MVD)手術療效欠佳。在這樣的背景下，本課題在獲取患者MRA圖像的基礎上，提出構建患者的面神經腦干面及毗鄰血管的三維空間結構模型。而本文是對MRA圖像的腦干和血管分割進行研究。
　　傳統(tǒng)的單一的或基于單一特征的分割技術，分割效果不夠理想。模糊聚類描述了樣本屬于各個類別

2、的不確定程度，更貼近客觀世界中的事物屬性，從而成為聚類分析中主流的研究方向，水平集方法能夠自動處理曲線拓撲結構的變化。本文將模糊集與水平集方法結合，使水平集函數的建立得到優(yōu)化，從而使得聚類算法與分割算法在速度上和準確度上有所提高。同時針對MRA圖像的特性，將腦干和血管區(qū)域的分割分為三個步驟進行:
　　(1)圖像聚類與腦干提取。由于MRA圖像的成像分辨率不高，成像時會有干擾等原因，需要對圖像進行聚類，聚類后的圖片會用于后續(xù)的處理和分

3、割中。在聚類的基礎上依據圖像的特點進行腦干的提取。
　　(2)分割腦干附近區(qū)域。串行算法的早期結果可被后續(xù)處理所利用，有很好的抗噪能力。基于聚類和腦干的提取結果，可以對MRA圖像進行一次分割，獲得腦干附近的目標區(qū)域。
　　(3)水平集提取血管。水平集是一種成熟的圖像分割算法，對水平集進行改進，提出基于邊界和區(qū)域信息的混合模型（DR-CV模型）。DR-CV模型充分利用圖像的邊界和區(qū)域信息，能很好地在分割的腦干附近區(qū)域進行血管的

4、分割。
　　通過實驗證明，本文方法能較好地結合模糊聚類和水平集方法的優(yōu)勢，對顱內血管分割取得了較為理想的效果，為三維重建等后續(xù)工作奠定了基礎。
　　本文的創(chuàng)新之處:
　　(1)利用MRA序列圖像的腦干與血管在空間位置上的相關性，依次對腦干和血管進行分割。這樣可以有效的分割出對病理判斷有用的血管，同時也避免了顱內其余血管的干擾，減少了不必要的工作。
　　(2)為了取得令人滿意的分割結果，人們研究多種分割算法的結合。