曹 敏，侯金秀，张月芳，邓红霞，李海芳

(太原理工大学 信息与计算机学院，山西 晋中 030600)

相关研究表明猕猴和人类的大脑结构有着一定的相似性，猕猴(具有较高智力的非人灵长类动物)代表了最佳的用于验证假设的可侵入性模型[1]，相对于人脑，其在研究脑结构和认知方面有着无可比拟的优势。由于上述原因，近几年关于猕猴的研究正在逐渐增多[2-3]。

对核磁图像进行分析是研究猕猴大脑的重要手段，作为核磁图像分割领域的重要研究方向，核团分割的准确性及鲁棒性在促进脑研究领域的发展方面具有重要的研究价值和意义。然而对猕猴大脑的分割结果目前大多由研究人员借助人脑分割工具(如FSL)中提供的方法获得，然后再进行手动修正[4]。2017年，BALBASTRE[5]在高斯混合模型(gaussian mixture model，GMM)方法基础上进行改进，应用于猕猴的T2图像进行分割，但其能同时分割的脑组织有限。多图谱分割方法与该方法相比可以引进更多的先验信息，提高分割精度，所以很多研究人员将研究视线投向了多图谱方法。一些研究人员发布猕猴的各种MRI模板、图谱以及数据集[6-8]。MILHAM et al[9]对现有的非人灵长类公开数据集进行了比较。陈伟导等[10]用多图谱分割方法对猕猴脑组织进行了分割。最近，随着深度学习方法的迅速发展，有研究人员将深度学习技术应用于核磁图像分割。HUO et al[11]采用3D-UNET网络对人脑进行三维分割，ZHAO et al[12]利用深度学习对非人灵长类动物的大脑进行提取。但此方法所需的训练数据集较大，还有较大的改进空间。……