脑影像学的发展,特别是核磁共振成像技术的发展,使得脑科学家们可以直接无创地研究活体大脑的组织结构和功能活动。核磁共振成像技术已经成为人类探索大脑奥秘、研究神经病理学的重要工具。随着医学影像技术的成熟和发展,为脑疾病尤其是神经精神疾病的临床诊断和病理分析提供了海量的医学数据。基于这些神经影像技术的图像数据,分割大脑的组织结构和病变结构、探索研究大脑的功能连接网络,用于脑疾病的量化诊断、神经精神疾病的预测和诊断已经成为新的研究热点。针对大脑结构的分割问题,通过设计高效的自动化核磁共振图像分割方法,可以为医学影像的医生和研究人员提供有效的数据信息,从而将他们从手动处理海量数据的繁杂工作中解放出来。脑功能连接网络的研究在帮助理解脑功能和识别神经、精神障碍的生物标记物方面已经显示出很大的潜力,根据脑功能磁共振数据构建出有意义的脑功能连接网络是针对所有后续关于疾病等预测分类的前提和基础,因此如何构建脑连接网络是分析研究的关键所在。针对上述脑核磁共振图像研究中的问题,通过分析多模态磁共振图像数据,开展了多发性硬化白质损伤及脑组织的自动分割算法的研究。另一方面,基于大脑功能核磁共振数据,开展了大脑功能网络的结构化稀疏构建的研究,有效地对轻度认知功能障碍患者和健康对照进行分类鉴别,并找出与脑疾病有关系的脑连接特征和鉴别性脑区。论文取得的主要工作和研究成果如下:(1)通过分析多模态脑MRI数据(T1加权,T2加权,PD加权和FLAIR图像)中多发性硬化病变的灰度信息特征,提出了一种联合有监督以及无监督学习的白质损伤自动分割算法。首先,基于从多模态MRI序列中提取的灰度特征和T1加权图像生成的脑组织信息,有监督地分割出包含病变的初始区域。然后利用空间先验信息进行异常检测,剔除部分假阳性标签。最后,针对白质损伤分割问题改进无监督的水平集分割算法,在感兴趣区域内进一步提高损伤病变的分割精确度并检测缺失的病变区域。实验结果表明,我们提出的方法是鲁棒的,可以作为多发性硬化病变的有效分割工具。(2)针对3T脑MRI脑组织分割问题,提出在自动上下文分类框架下,利用7T脑MRI图像的组织分割信息以及迭代提取的组织概率信息,训练得到一系列随机森林分类器逐步提高组织分割精度。由于7T脑MRI图像中脑组织的灰度对比度更高并且具有更清晰的解剖细节,因此从7T图像中可以得到更加精确的脑组织标签信息,为分类器的训练提供更准确的训练标签。多个数据集的实验分割结果表明,该方法可以有效地分割脑组织,且能保证非常稳定的分割准确率。(3)针对脑功能网络构建问题,提出基于连接强度加权的稀疏脑网络构建模型,该模型充分利用脑区原始BOLD时序信号之间的相关性,将之嵌入到稀疏脑网络建模中作为稀疏项约束的权重惩罚。为进一步使具有相近功能连接强度的所有连接边在脑功能网络建模中的加权惩罚一致,我们还对功能连接强度相近的连接边提出群约束,’使得其在整个脑网络建模中共享相同的惩罚权重。从而对整个大脑功能网络联合建模,形成整合连接强度、群组结构和稀疏性的统一学习框架来确保构建更具生物意义的大脑网络。(4)为了充分挖掘数据中潜在的几何结构,提出了基于图正则化加权稀疏表示模型的脑网络构建方法。首先,基于原始数据空间中相似的数据在经过投影后也应保持相似性的假设,建立基于图拉普拉斯的正则化约束项;然后,在之前工作的基础上,对稀疏约束项采用基于连接相关性的权重惩罚;最后,提出了融合相关性分析、稀疏性约束以及图正则化约束的脑功能网络构建模型,获得更具生物意义的大脑网络。另外我们还对特征选择方法进行改进,提出用稀疏表示方法联合提取鉴别性特征,充分考虑了特征之间的相互作用,提取出鉴别性特征子集,能够在一定程度上提高最终的分类结果。