腦核磁共振影像腦組織分割及多發(fā)性硬化損傷算法.pdf

1、腦核磁共振成像(Magnetic Resonance Imaging,MRI)以高分辨率、高速度、對(duì)人體無電離輻射等特點(diǎn)廣泛應(yīng)用于醫(yī)學(xué)圖像領(lǐng)域。其中,腦MR圖像分割是計(jì)算機(jī)自動(dòng)輔助診斷的重要環(huán)節(jié),精確的分割對(duì)于醫(yī)生制定治療計(jì)劃和診斷具有至關(guān)重要的作用。核磁共振圖像分割主要就是提取腦MR圖像中感興趣目標(biāo)區(qū)域,進(jìn)而進(jìn)行目標(biāo)測(cè)量分析。由于MR圖像存在偏移場(chǎng)和噪聲的影響,傳統(tǒng)的模糊C-均值(Fuzzy C-Means,FCM)聚類算法僅僅利用了

2、像素點(diǎn)的灰度信息,而沒有考慮到像素點(diǎn)的空間信息,所以得到的分割結(jié)果的準(zhǔn)確性無法得到有效保證,魯棒性差。本文以聯(lián)合偏移場(chǎng)矯正與分割的改進(jìn)FCM方法及其多模態(tài)的醫(yī)學(xué)圖像融合的多發(fā)性硬化癥檢測(cè)為研究思路,主要貢獻(xiàn)為:
　　 (1)結(jié)合局部強(qiáng)度聚類和空間位置相關(guān)性的核加權(quán)方法,提出了一種基于核空間信息的組織聚類分割與偏移場(chǎng)矯正的改進(jìn)FCM代價(jià)函數(shù)模型,推導(dǎo)了一種新的最優(yōu)求解迭代算法。對(duì)比實(shí)驗(yàn)結(jié)果表明:該方法能有效克服偏移場(chǎng)和噪聲對(duì)分割結(jié)

3、果的影響,很好地保持了圖像中結(jié)構(gòu)信息。
　　 (2)通過融合BrainWeb腦圖譜(atlas)先驗(yàn)信息,建立了聯(lián)合配準(zhǔn)與分割的FCM代價(jià)函數(shù)模型,給出了一種新的穩(wěn)健性分割方法。實(shí)驗(yàn)結(jié)果表明:基于BrainWeb腦圖譜先驗(yàn)信息引導(dǎo)下的改進(jìn)FCM方法可以較好地克服噪聲的影響,并且提高了圖像分割的準(zhǔn)確率。對(duì)含有噪聲7％,偏移場(chǎng)100%的腦MR圖像分割的準(zhǔn)確率達(dá)到90%以上。
　　 (3)在改進(jìn)的FCM基礎(chǔ)上,結(jié)合D-S證據(jù)理

4、論,提出了一種融合T1和T2加權(quán)腦MR圖像信息的多發(fā)性硬化癥分割算法。首先利用改進(jìn)的FCM算法分別對(duì)T1和T2加權(quán)圖像進(jìn)行分割,然后再利用D-S證據(jù)理論融合T1和T2加權(quán)圖像信息,實(shí)現(xiàn)多發(fā)性硬化癥病灶的分割。實(shí)驗(yàn)表明,該算法具有較高的多發(fā)性硬化癥病灶分割精度,對(duì)多發(fā)性硬化癥的臨床診斷具有較高的輔助作用。
　　 (4)結(jié)合基于核空間信息的組織聚類分割與偏移場(chǎng)矯正的改進(jìn)FCM代價(jià)函數(shù)模型和多發(fā)性硬化癥病灶提取,做出了一個(gè)腦MR圖像組