血管在脊椎动物中的主要功能就是将氧气和养料运输给周围组织中的每个细胞,同时带走组织中的代谢废物。血管网络的功能异常与肿瘤、动脉粥样硬化、认知疾病、视网膜血管病和外周血管病等病理学疾病的发生和发展有着密切的关系,所以血管网络的定量分析对这些血管相关疾病的诊断、治疗以及预后都有着重要的临床和预临床意义。本文基于高分辨率micro-CT成像,首先对三维血管网络的图像分割进行了讨论,然后对三维血管网络的不同定量分析方法进行了研究,重点探讨了如何在不同的三维血管网络的定量应用中选择合适的定量评价参数,主要内容如下:1.提出了一种针对小鼠下肢的全自动的骨骼与血管的分割方法,该方法主要包含三个模块。(1)为了解决造影后血管的强度值与骨骼的强度值非常接近导致血管很难与骨骼互相分开这一难题,首先使用Split Bregman方法来自动地对骨骼进行分割。(2)提出一种边界扩充策略来解决vesselness方法在骨骼移除后形成的锐利边界上的假阳性效应。然后,利用结合了多尺度bi-Gaussian滤波的vesselness方法对血管网络进行分割。(3)利用基于中心线和形态学膨胀的血管连接方法重新拼接了由于低信噪比造成的分割后断裂的血管。实验结果表明所提出的方法非常适合小鼠下肢中骨骼和血管的分割。对于骨骼的分割,Split Bregman方法可以很好的提高骨骼与血管的可分性,因为它同时利用了图像强度信息和几何尺寸信息。对于血管的分割,经过边界扩充的vesselness方法可以很好的消除非血管锐利边界的假阳性效应。同时,本研究提出的血管连接方法可以重新拼接分割后断裂的血管,同时又不影响没有断裂的血管。2.为了解决小鼠下肢缺血模型中定量血管新生时血管参数之间存在的多重共线性和不等贡献问题,本研究提出了一种定量评价血管参数的方法。该方法以血管体积作为定量评价血管新生的标准参数,将血管面积、血管长度、血管厚度、各向异性度、连接度、分叉节点数、分叉度、血管段数和血管曲度9个血管参数装备到稀疏主成分中以减少这些血管参数之间存在的多重共线性。然后使用聚合提升树技术并且借助稀疏主成分的载荷量来分析每个血管参数在下肢缺血模型中对于血管新生定量评价的重要性。结果证明血管面积、血管节点数、连接度、血管段数和血管长度这5个血管参数是定量血管新生的关键参数。本研究提出的评价方法与直接使用9个血管参数的聚合提升树方法以及皮尔森相关方法进行了比较,得出了一致的结论。此外,与直接使用9个血管参数的聚合提升树方法相比,本研究提出的方法可以同时选出所有重要的血管参数,因为所有关键的血管参数都已经被装备到了拥有最高相对重要性的稀疏主成分中。3.在以往血管网络的定量研究中,人们既没有考虑血管参数在多个分辨率上的敏感性,也没有讨论血管参数在不同数据组之间的可分辨能力。所以本研究提出了一种针对多分辨率图像中血管网络的定量评价方法,该方法分析了血管参数在多个分辨率图像中的敏感性,同时评价了血管参数在不同数据组中的可分辨能力。然后结合敏感性分析和可分性评估,本研究设计了一个混合方程来评估血管参数在多分辨率框架下的血管参数的整体性能。评价结果表明,在所有的血管参数中各向异性度和血管分叉度是对多分辨最不敏感的两个血管参数,因为它们几乎与分辨率的退化无关。血管面积、连接度、血管长度、分叉节点数和血管段数这5个血管参数可以很好的分辨不同数据组之间的血管网络,同时它们还与血管网络真实数量值保持一致。血管面积、连接度、血管长度和血管段数这4个血管参数不仅对多分辨率不敏感,而且还可以很好的从不同数据组中分辨血管网络。该定量研究结果对多分辨率框架下血管网络的定量分析具有一定的指导意义。本文针对鼠科动物血管网络的定量分析方法很容易扩展到肿瘤血管、心脑血管以及视网膜血管中。所提出的血管网络的定量分析方法有望为肿瘤,动脉粥样硬化、认知疾病、视网膜血管病和外周血管病等临床疾病的诊断和预后提供一种更为准确的定量评价方法。