近期，中国科学院深圳先进技术研究院微创研究中心血管介入手术机器人团队在脑磁共振血管造影图像处理和辅助诊断方面获得新进展。相关成果先后被医学图像领域国际会议"The 22nd Medical Image Computing and Computer Assisted Intervention"（MICCAI 2019）和"The 8th MICCAI 2019 CLIP Workshop: Towards Holistic Patient Models for Personalized Healthcare"录用。
　　两篇成果的题目分别是：Statistical Intensity- and Shape-modeling to Automate Cerebrovascular Segmentation from TOF-MRA Data（《基于统计学强度和形状建模的脑TOF-MRA数据的自动分割》）；A Device-independent Novel Statistical Modeling for Cerebral TOF-MRA data Segmentation（《一种新颖的设备无关的TOF-MRA数据分割的统计学建模方法》）。第一篇文章的第一作者分别是研究员周寿军和博士研究生李娜（并列一作），第二篇文章的第一作者是硕士研究生张保昌，通讯作者是周寿军。
　　现有的各类脑磁共振血管分割方法依赖于特定MR成像设备或特定数据集，基于模型驱动的血管分割方法通常不能完整地提取脑血管网络并且存在过分割现象，基于深度学习的方法受限于海量数据标注问题。上述两篇论文分别提出了两种鲁棒的统计学方法，实现任意磁共振设备型号下的TOF-MRA三维数据的全脑血管拓扑结构精确提取（如图1、2、3），该研究可以对深度学习方法提供血管数据的自动标注工具；在特定磁共振设备下，实现基于三维TOF-MRA和MR-T1数据的完整脑动脉和脑静脉结构的精确分割（如图4（f））。上述成果对于脑血管的自动标注、分割、临床可视化具有重要现实意义。
　　课题组上述研究成果促进了血管介入机器人的手术计划和介入导航方面的研究工作，受到国家“863”计划和国家基金面上项目支持，目前已深入到多脏器血管分割和基于血管中心线的路径规划和导航方面的相关研究工作中。
　　论文链接：1 2
　　 
　　图1. 三个不同临床磁共振设备采集的数据直方图
　　 
　　图2. 数据规范化后的直方图以及三高斯混合模型
　　 
　　图3. 实验结果(一种新颖的设备无关的TOF-MRA数据分割的统计学建模方法)
　　 
　　图4. 由左至右为十套脑磁共振血管造影数据的分割结果：(a)原始TOF-MRA造影数据的最大密度投影视图；(b-e):4种对比方法;（f）：本文所提方法;（g-h）：动静脉分离结果