脑疾病是当前威胁人类身体健康的主要疾病之一。亟需研究对脑功能失调方面的早期诊断和干预方法,在这方面的任何进步都能给社会和个人带来巨大的帮助。临床上,海马体在各种脑疾病的机能障碍和神经退行性变中扮演重要角色,许多研究表明海马体萎缩和连通性在精神分裂症、阿尔兹海默症(Alzheimer’s disease,AD)和轻度认知障碍等脑疾病中具有内表型。在对人脑的记忆方面的研究发现,海马对人的记忆起着关键的作用。海马萎缩被看成是与记忆损伤相关的重要指标。海马萎缩程度被作为AD早期诊断的金标准之一,尤其是基于磁共振图像(magnetic resonance imaging,MRI)的海马变异研究如今成为神经影像学的研究热点。海马分割是海马变异研究的重要步骤,是海马体积测量、三维重建的关键和基础,在颞叶癫痫、遗忘综合症、精神分裂症等神经系统疾病的临床诊断、治疗、疗效评价及计算机辅助诊断等方面有重要的应用价值,同时,对于临床诊断阿尔兹海默病症的病情与分期具有重要价值,是AD患者诊断的影像学标记,疗效评价及预后判断的有效指标。作为一种无创的影像学检测手段,开展面向脑部MRI海马分割算法的研究具有重要意义。目前海马分割的国内外研究方法多为将两种以上的方法进行组合,分别是基于图像信息的方法和基于模型信息的方法,其中由于几何主动轮廓模型具有易处理拓扑变化、易于拓展到高维和易于融合先验信息等优点,是海马分割方法中使用最多的方法之一。然而,由于脑部MRI本身的弱边缘、低组织对比度、偏差场等特点,加上脑组织的拓扑结构复杂、海马体积相对于整个大脑来说体积较小,这使得精确分割海马是一件非常困难的事。另一方面,在主动轮廓模型求解过程中,对应的偏微分方程的求解复杂、稳定性差和在融合先验信息时采用非刚性配准方法,海马分割方法的耗时问题是不容忽视的问题。亟需寻求一种快速准确的图像分割算法用于海马分割。本文分析了当前主要的脑部MRI海马分割算法,针对这些算法实现过程复杂、计算耗时等不足,综合考虑脑部MRI和脑部海马区的生理解剖结构的特点,通过研究格子波尔兹曼(lattice Boltzmann,LB)模型的系统理论,采用基于局部统计区域信息和基于先验形状的方法作为外力,提出了一种基于格子波尔兹曼扩散方程的分割方法用于实现海马MRI的快速精确分割。本文以脑疾病中的阿尔兹海默症及其磁共振图像为主要研究对象,选取ADNI(Alzheimer’s disease neuroimaging initiative)数据库中的磁共振图像进行分割,以正常组(36组)作为先验形状信息构建海马训练集,分别进行了正常组、AD患者(41组)、轻度认知障碍患者(38组)的海马MRI的分割并与ADNI数据库中提供的海马模板作为金标准进行比较,通过相似性系数和计算机耗时和迭代次数等性能指标比较算法的优劣。实验结果表明:(1)采用局部统计区域外力可以有效地提高低组织对比度的磁共振图像的分割精度,并能有效抑制噪声的影响,且速度上较现有的格子波尔兹曼方法和非格子波尔兹曼方法等有较大的提高,在真实脑磁共振图像中的分割结果(相似性系数DC=96.8%)均优于对比模型(DC=92.8%),且计算速度相比水平集分割模型提高了2-10倍以上;(2)采用矩函数的形状描述方法对先验信息的表达、提取和融合具有简单、高效的优点,本文提出的算法简单,耗时平均为1s左右,是对比的两种经典配准方法(平均耗时143.37s和平均耗时5.76s)耗时的1/140和1/5;(3)本文所提的基于区域和形状信息的海马分割方法实现了海马磁共振图像的分割,相似性系数平均为0.8,比现有的LB方法有了大幅的提高;在迭代次数方面,是现有基于水平集方法的1/6-1/2,计算机耗时方面是基于水平集方法的1/16-1/5,大大提高了分割模型的分割效率。本文主要的工作和特色如下:(1)在现有的格子波尔兹曼分割模型的基础上,研究能用于脑磁共振图像海马分割的初始分割模型,包括构建模型的关键要素:扩散系数和外力项,并分别解释了关键要素的物理意义和构建方法;(2)提出了一种新的基于局部统计区域信息的格子波尔兹曼分割算法。该算法以统计区域信息为轮廓演化外力,通过增加采样窗口,有效降低目标和背景的重叠区域,同时可以平滑采样窗口内的噪声,提高了分割精度和分割模型的抗噪能力;(3)通过采用形状几何矩的先验形状描述方法,提出了一种融合先验形状的分割模型,该方法以几何矩的平移、尺度和旋转不变性对形状进行标准化,构建先验形状训练集;在融合先验形状信息到演化模型时,通过参考形状和目标形状归一化的方法将二者进行对齐,采用欧式距离的相似性度量方法进行融合。该方法可以大大简化配准过程,有效提高算法效率。为有效提高医学图像分割精度,带来了新的思路和方法;(4)针对海马磁共振图像的特点,融合局部统计区域信息和先验形状信息,作为格子波尔兹曼分割模型的外力项,该方法实现了海马磁共振图像的分割,在效率上较其他方法有了较大的提高。但先验形状的准确性和效率是影响分割模型的因素之一,分割模型仍需进一步完善。