基于改進(jìn)MRF參數(shù)估計(jì)的腦磁共振圖像自動分割算法研究.pdf

1、當(dāng)前人類對大腦生理和功能上的研究處于起步階段，磁共振(MagneticResonance，MR)技術(shù)對大腦這樣的軟組織成像特別有效，而且對人體沒有放射性傷害，所以MR技術(shù)已經(jīng)成為腦疾病臨床診斷的重要輔助手段。準(zhǔn)確地分割腦MR圖像，對腦部解剖、影響腦實(shí)質(zhì)的不同病理?xiàng)l件的探測、放療計(jì)劃的制定以及對大腦進(jìn)行功能性研究等臨床處理和科學(xué)研究，具有重要的指導(dǎo)意義。然而，受磁場不均勻性、MR設(shè)備本身、腦組織的容積效應(yīng)和腦組織間的差異性等影響，圖像的灰

2、度均勻性變差;另外，圖像對比度低、不同軟組織間的邊界模糊以及形狀結(jié)構(gòu)復(fù)雜，也是分割面臨的難題。因此，利用計(jì)算機(jī)自動精確分割腦MR圖像就顯得很必要。針對上述問題，馬爾可夫隨機(jī)場(Markov Random Field，MRF)具有其自身優(yōu)勢，論文將研究如何采用MRF對腦MR圖像實(shí)現(xiàn)自動分割。
　　 論文研究發(fā)現(xiàn):(1)灰質(zhì)、白質(zhì)和腦脊液的差異主要體現(xiàn)在灰度上;(2)經(jīng)典的聚類算法易于實(shí)現(xiàn)，而且速度快，但魯棒性較差;(3)MRF模型

3、方法可以很好的處理局部容積效應(yīng)、偽影等導(dǎo)致的腦MR圖像退化等問題，不過其準(zhǔn)確性還有待進(jìn)一步提升。針對上述問題，論文首先運(yùn)用C-V模型將待分割圖像預(yù)處理，去除非腦組織，然后運(yùn)用MRF進(jìn)行建模，依據(jù)最大后驗(yàn)概率(Maximum aPosteriori Probability, MAP)準(zhǔn)則實(shí)現(xiàn)分割。
　　 論文工作主要集中在MRF參數(shù)的估計(jì)和優(yōu)化方面，即選取合適的參數(shù)對提取出的MR圖像灰度信息運(yùn)用MRF建模。論文對已有的幾種灰度場參