基于無監(jiān)督聚類的腦組織磁共振圖像分割方法.pdf

1、圖像分割是醫(yī)學(xué)圖像處理與分析的前提條件和關(guān)鍵步驟，也是制約其它醫(yī)學(xué)圖像處理技術(shù)發(fā)展與應(yīng)用的瓶頸。磁共振成像是現(xiàn)代重要的醫(yī)學(xué)成像技術(shù)，能夠提供豐富的三維人體軟組織解剖信息，在頭頸部位成像中具有其它影像設(shè)備無法比擬的優(yōu)勢(shì)。腦組織磁共振（MR）圖像分割在三維重建、定量分析和圖像可視化等方面具有重要的作用。目前，針對(duì)腦組織MR圖像的自動(dòng)分割已經(jīng)成為醫(yī)學(xué)圖像處理中的研究熱點(diǎn)。由于人體解剖結(jié)構(gòu)個(gè)體差異較大，臨床應(yīng)用對(duì)醫(yī)學(xué)圖像分割的準(zhǔn)確度和分類算法的

2、速度要求較高，目前雖然已有多種分割算法但遠(yuǎn)未達(dá)到完善。而且，由于噪聲、場(chǎng)偏移效應(yīng)、以及局部體效應(yīng)的影響，實(shí)際獲取的腦組織MR圖像常表現(xiàn)為組織特征具有可變性、不同軟組織之間邊界模糊、以及各類組織結(jié)構(gòu)分布復(fù)雜等特性。這些都對(duì)研制自動(dòng)分割技術(shù)造成了極大的困難。本文提出了兩種基于自組織特征映射網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)聚類算法，自適應(yīng)地構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)，解決腦組織MR圖像分割中存在的困難。此外，還提出一種基于圖的層次聚類算法實(shí)現(xiàn)腦組織MR圖像的自動(dòng)分割。主要

3、研究成果如下： ⑴提出自適應(yīng)生長型分層自組織映射（ASGHSOM）網(wǎng)絡(luò)，將競(jìng)爭(zhēng)學(xué)習(xí)算法與多尺度分割思想相結(jié)合，自適應(yīng)地構(gòu)造網(wǎng)絡(luò)生長層，解決圖像中組織邊界區(qū)域由于局部體效應(yīng)引起的灰度值交疊問題。同時(shí)，根據(jù)圖像局部區(qū)域中像素間的相關(guān)性，構(gòu)造一種自適應(yīng)距離抑制噪聲對(duì)圖像分割的影響、解決分類模糊問題。ASGHSOM算法整個(gè)分割過程都是無監(jiān)督的，不需要任何組織概率圖譜和圖像配準(zhǔn)技術(shù)，具有很好的可擴(kuò)展性。與多種經(jīng)典的腦組織MR圖像分割算法相

4、比較，ASGHSOM算法在模擬數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上都可以得到較為準(zhǔn)確的分割結(jié)果。 ⑵將對(duì)偶樹復(fù)小波變換（DT—CWT）應(yīng)用于醫(yī)學(xué)圖像分割中，并與自組織特征映射相結(jié)合提出一種自動(dòng)的、無監(jiān)督的腦組織MR圖像分割方法——空間約束的自組織映射樹（SCSOTM）網(wǎng)絡(luò)。SCSOTM網(wǎng)絡(luò)采用DT—CWT特征與空間信息共同約束網(wǎng)絡(luò)的生長過程，網(wǎng)絡(luò)生長層層數(shù)以及每層的結(jié)構(gòu)和大小都根據(jù)圖像自身特點(diǎn)來確定，具有較好的自適應(yīng)能力。并基于灰度值、DT—C

5、WT低頻子帶和三維空間位置信息構(gòu)造多維特征向量，其中DT—CWT特征具有平移不變性、良好的方向選擇性和對(duì)噪聲的魯棒性；而空間位置特征使SCSOTM網(wǎng)絡(luò)可以獲取圖像中各類組織復(fù)雜的空間結(jié)構(gòu)，建立了葉節(jié)點(diǎn)神經(jīng)元與圖像局部區(qū)域間的對(duì)應(yīng)關(guān)系，增強(qiáng)網(wǎng)絡(luò)的直觀性和解釋性。 ⑶以基于圖的層次聚類（GBHC）算法實(shí)現(xiàn)腦組織MR圖像的自動(dòng)分割。首先，使用DT—CWT構(gòu)造各像素的多尺度特征，在保留圖像細(xì)節(jié)信息的同時(shí)抑制噪聲對(duì)分割的影響。然后，以基于