基于動(dòng)態(tài)增強(qiáng)核磁共振時(shí)間序列腎臟圖像的動(dòng)態(tài)輪廓分割.pdf

1、越來(lái)越多的人受到腎臟疾病的困擾，而臨床醫(yī)生需要各類腎臟組織參數(shù)來(lái)評(píng)估疾病的嚴(yán)重程度。腎臟體積作為其中重要的一項(xiàng)，用來(lái)估計(jì)潛在的合適的腎臟捐贈(zèng)者，表示機(jī)體殘余容量等。因而腎臟的分割很重要。除了耗時(shí)耗力的手動(dòng)勾勒組織輪廓之外，計(jì)算機(jī)輔助的非模型與基于模型的算法極大地簡(jiǎn)化了分割圖像提取輪廓的過(guò)程。
　　本文中，基于三維的動(dòng)態(tài)增強(qiáng)的腎臟核磁共振時(shí)間序列數(shù)據(jù)，我們實(shí)現(xiàn)了一種全自動(dòng)的基于模型的分割算法來(lái)得到每一層切片的腎臟輪廓，繼而得到每一個(gè)

2、三維數(shù)據(jù)的腎臟體積的估計(jì)值。
　　普通的單一腎臟核磁共振圖像中，皮層、髓質(zhì)與骨盆的部分會(huì)由于體液含氫的濃度相近而導(dǎo)致較低的對(duì)比度。在注入某種造影劑之后，它隨著時(shí)間分別進(jìn)入皮層、髓質(zhì)與骨盆，最后經(jīng)由尿道排出。造影劑改變了信號(hào)強(qiáng)度，所以腎臟時(shí)間序列圖像在皮層、髓質(zhì)與骨盆部分會(huì)隨著時(shí)間而呈現(xiàn)不同的灰度值變化，從而增強(qiáng)了圖像的對(duì)比度。
　　基于這種特性，我們采用了k均值（k-means）的聚類算法將腎臟分成了皮層、髓質(zhì)骨盆與背景三個(gè)

3、部分，并經(jīng)過(guò)后續(xù)處理得到了腎臟的初始外圍輪廓，它在參數(shù)化離散“動(dòng)態(tài)輪廓”模型作用下，逐漸變形并最終?？吭谡_的腎臟輪廓位置上。在動(dòng)態(tài)輪廓模型中，我們移除了所謂的“連續(xù)性”能量成分，添加了兩個(gè)距離圖像的能量成分，目的是確保最終的輪廓能盡可能地貼近正確的位置。
　　我們測(cè)試了八個(gè)腎臟體數(shù)據(jù)，相對(duì)于手動(dòng)勾勒的結(jié)果，我們的算法得到的腎臟體積估計(jì)值在四個(gè)左腎臟數(shù)據(jù)的偏離率分別是6.14％，5.05%，8.04%和6.40%，在四個(gè)右腎臟數(shù)據(jù)