随着社会医疗意识及医疗水平的提高,血管或肿瘤压迫引起的三叉神经疾病逐渐受到研究者们的重视,术前对三叉神经的识别、确定三叉神经与病灶的位置关系,能够有效的提高手术的成功率,降低手术风险。目前,研究者们已经对三叉神经的纤维成像做了大量研究工作,形成了一套完整的人工识别方法。然而,现有的方法需要医学工作者根据三叉神经解剖结构知识,在磁共振图像上手动勾画单个或多个感兴趣区域,然后对纤维跟踪结果进行人工筛选,从而得到独立的三叉神经纤维束。该方法存在两个局限性:第一,该方法存在人工依赖性问题,使得研究者在操作的过程当中容易受到主观因素的干扰,在一定程度上影响研究结果的精确性;第二,研究者绘制方法的不固定、标准不统一,难以实现纤维分割方法的可重复性。针对以上问题,本文在基于白质聚类图谱方法的基础上结合脑组织分割工具,提出一种基于脑图谱的三叉神经纤维自动分割算法。本文的具体工作和成果如下:1.针对现有方法中存在的手动勾画感兴趣区域及人工筛选纤维问题,本文利用多组大脑样本的纤维数据建立数据驱动的纤维聚类图谱,实现新样本纤维数据的自动分割,直接得到三叉神经纤维束。实验中选择20组青年健康人的数据作为样本数据,首先利用Freesurfer软件分割工具提取脑干作为感兴趣区域进行确定性纤维跟踪。其次,通过对20组纤维数据进行多样本配准和谱聚类,创建数据驱动的纤维聚类图谱。最后,新样本的脑干纤维数据应用纤维图谱自动分割得到三叉神经纤维束。对比实验结果显示,本文的方法成功分割5组数据的三叉神经纤维束,而传统人工方法成功识别4组三叉神经纤维束,且两者结果之间的加权Dice系数分别为0.865,0.939,0.824,0.942。证明了该方法在保证纤维分割结果良好的同时,有效地避免人为因素的影响,有效提高神经外科医生与颅神经研究者的工作效率。2.针对三叉神经纤维束细小难分割的问题,本文在建立纤维图谱过程中加入二次分类的思想。研究中选择多组样本的脑干纤维数据,先对多样本数据进行纤维配准。再对配准后的脑干纤维数据进行一次分类定位三叉神经纤维束,缩小研究范围。最后对该范围进行二次分类,准确标注出三叉神经纤维束,完成数据驱动的纤维图谱的创建。3.本文应用自动分割方法,对血管压迫型及肿瘤压迫型三叉神经痛患者进行三叉神经纤维束成像实验。实验结果不仅成功分割了患者大脑中的三叉神经纤维束,还清晰地展示了纤维束与病灶之间的位置关系。本文针对现有传统人工三叉神经纤维束分割方法过程中存在的问题进行讨论,并提出了相应的改进方法。通过实验结果对比,两种方法都能跟踪到三叉神经纤维束。但传统人工方法的跟踪结果易受人为因素干扰,整个过程工作量大、耗时长、人工依赖性强。而本文的方法应用数据驱动的纤维聚类图谱自动分割三叉神经纤维束,有效的避免人为因素的影响,极大的提高神经外科医生与颅神经研究者的工作效率。