林 岚，吴玉超，王婧璇，吴水才

(北京工业大学生命科学与生物工程学院智能化生理测量与临床转化北京市国际科研合作基地, 北京 100124)

在过去的几十年中，结构和功能神经影像成像技术的巨大发展，使其在神经系统疾病的诊断中扮演着越来越重要的角色[1].通过非侵入式的神经影像技术，医疗工作者们在不断提高空间分辨率和时间分辨率的条件下，获取了大量患者的影像数据.这为了解大脑的解剖结构及其工作机制，特别是高级认知活动的内在机制奠定了坚实基础.现在，神经影像技术已被广泛用于研究癫痫、脑卒中、脑肿瘤、多发性硬化症、神经退行性疾病(如阿尔茨海默症)等疾病[2-7].当前，基于神经影像的正常与病理脑组织分割和临床解释一般依赖于神经放射科专家们的主观定性解释，利用计算机算法自动分析更多是一种辅助手段.由于神经影像数据量大，完全依赖于手工分割既烦琐耗时，结果又比较主观，不能适应现代神经影像学的发展要求.随着计算机技术的普及，准确、自动化的神经影像分割方法已成为放射科医生的一项重要需求.神经影像分割方法旨在大脑中定义不同类别的感兴趣区域：如大脑、脑组织结构类型或更局部的脑解剖区域.在分割过程中，所面临的挑战包括低信噪比、影像灰度不均匀、部分容积效应、形状复杂性等方面.传统的神经影像分割方法主要包括基于阈值的方法、基于区域的……