焦点を絞った多ガーシア人モデルと不均一マルコフランダムフィールドに基づく並列脳血管セグメンテーションアルゴリズム

脳血管疾患の診断と治療には、飛行時の磁気共鳴血管造影（TOF-MRA）データからセグメント化された完全かつ詳細な脳血管画像が不可欠です。近年、統計モデルに基づいた3次元の脳血管セグメンテーションアルゴリズムが広く使用されていますが、存在する方法は常に狭窄血管では不十分であり、十分に堅牢ではありません。この論文では、焦点を絞った多ガーシア人モデルと異種マルコフランダムフィールドに基づいた並行した脳血管セグメンテーションアルゴリズムを提案します。具体的には、局所フィッティング領域を備えた集中的なマルチガウス（FMG）モデルを提示して、血管組織をより正確にモデル化し、カオス粒子群群最適化（CO-PSO）アルゴリズムを導入して、パラメーター推定のグローバルな最適化能力を改善します。さらに、3次元近傍システムに不均一なマルコフランダムフィールド（MRF）を設計して、正確なローカルキャラクターを組み込みます。最後に、アルゴリズムはGPUに基づいて並列最適化が実行され、シリアル実行と比較して約60倍のスピードアップを取得しました。実験は、提案されたアルゴリズムがより詳細なセグメンテーションを生成することができることを示しています。

A complete and detailed cerebrovascular image segmented from time-of-flight magnetic resonance angiography (TOF-MRA) data is essential for the diagnosis and therapy of the cerebrovascular diseases. In recent years, three-dimensional cerebrovascular segmentation algorithms based on statistical models have been widely used, but the existed methods always perform poorly on stenotic vessels and are not robust enough. In this paper, we propose a parallel cerebrovascular segmentation algorithm based on focused multi-Gaussians model and heterogeneous Markov random field. Specifically, we present a focused multi-Gaussians (FMG) model with local fitting region to model the vascular tissue more accurately and introduce the chaotic oscillation particle swarm optimization (CO-PSO) algorithm to improve the global optimization capability in the parameter estimation. Furthermore, we design a heterogeneous Markov Random Field (MRF) in the three-dimensional neighborhood system to incorporate precise local character of image. Finally, the algorithm has been performed parallel optimization based on GPUs and obtain about 60 times speedup compared to serial execution. The experiments show that the proposed algorithm can produce more detailed segmentation result in shorter time and performs well on the stenotic vessels robustly.