基于統(tǒng)計(jì)信息的活動(dòng)輪廓模型在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf

1、核磁共振成像(magnetic resonance image，MRI)具有非介入性、非損傷性、等特點(diǎn)被廣泛地運(yùn)用于醫(yī)學(xué)圖像拍攝。醫(yī)學(xué)影像在疾病診斷和治療等領(lǐng)域中的作用日益重要。醫(yī)學(xué)圖像分割是指將醫(yī)學(xué)圖像劃分成一系列彼此互不交疊的勻質(zhì)區(qū)域。分割的目的是將原始圖像劃分為一系列有意義的區(qū)域或提取圖像中感興趣的區(qū)域(region of interest，ROI)。目前，活動(dòng)輪廓模型已廣泛地應(yīng)用于醫(yī)學(xué)圖像分割領(lǐng)域。該模型對(duì)圖像分割、可視化、配準(zhǔn)

2、和解剖組織跟蹤等是很有效的?；顒?dòng)輪廓模型基于變分法，將復(fù)雜的分割轉(zhuǎn)化為函數(shù)的極值問(wèn)題，即曲線(xiàn)或曲面變形的依據(jù)是根據(jù)其定義的能量函數(shù)最小化原則。本文根據(jù)不同的成像質(zhì)量，從提高分割的準(zhǔn)確度、減少計(jì)算時(shí)間等方面對(duì)活動(dòng)輪廓模型在MR圖像分割中的應(yīng)用進(jìn)行了分析和探討。 基于幾何活動(dòng)輪廓模型的水平集方法，是將二維或三維的閉合曲線(xiàn)曲面的演化問(wèn)題轉(zhuǎn)化為高維空間中水平集函數(shù)曲面演化的隱含方式來(lái)求解，適應(yīng)于對(duì)拓?fù)浣Y(jié)構(gòu)變化的處理，其計(jì)算精度高，算法穩(wěn)

3、定，因而得到廣泛應(yīng)用。由于人體解剖結(jié)構(gòu)的復(fù)雜性、軟組織的不規(guī)則性，使得成像質(zhì)量不理想。而傳統(tǒng)的水平集方法僅利用圖像局部邊緣信息，對(duì)邊界模糊或者存在離散狀邊緣的區(qū)域，容易產(chǎn)生邊界泄漏等問(wèn)題，很難得到理想的分割結(jié)果。本文利用內(nèi)外兩條水平集曲線(xiàn)共同演化，并根據(jù)貝葉斯分類(lèi)理論，在零水平集鄰域內(nèi)計(jì)算的統(tǒng)計(jì)量控制曲線(xiàn)的演化，在成像質(zhì)量較差的情況下提高了分割準(zhǔn)確度。 Mumford-Shah(MS)模型不依賴(lài)于圖像的邊界信息，根據(jù)圖像中同質(zhì)

4、區(qū)域的信息最小化能量函數(shù)得到最終的分割結(jié)果。Chan-Vese(CV)模型簡(jiǎn)化了該模型，假設(shè)同質(zhì)區(qū)域的強(qiáng)度相同，利用水平集方法求解最小化能量函數(shù)。因此CV模型結(jié)合這兩種方法的優(yōu)點(diǎn)，既不受圖像梯度影響又能自動(dòng)處理曲線(xiàn)拓?fù)渥兓Ｈ欢诶盟郊椒ㄇ蠼庋莼匠虝r(shí)，需要對(duì)所有圖像數(shù)據(jù)進(jìn)行反復(fù)計(jì)算，時(shí)間消耗較大。而且只考慮到強(qiáng)度均勻的圖像，對(duì)于強(qiáng)度不均勻的圖像無(wú)法得到準(zhǔn)確的曲線(xiàn)停止位置。本文利用更新水平集曲線(xiàn)內(nèi)部和外部的鄰域點(diǎn)來(lái)達(dá)到演化水平集曲

5、線(xiàn)的目的，避免了在求解演化方程中出現(xiàn)的數(shù)值不穩(wěn)定性，并節(jié)約了計(jì)算時(shí)間。同時(shí)在鄰域窗口計(jì)算統(tǒng)計(jì)信息，以此得到曲線(xiàn)停止的依據(jù)，使最后得到的分割曲線(xiàn)更加逼近真實(shí)邊界。 由于CV模型的能量泛函存在局部極小解，使得分割結(jié)果受初始曲線(xiàn)位置影響。因此本文利用測(cè)地線(xiàn)模型改進(jìn)CV模型中的光滑正則項(xiàng)，改進(jìn)后的模型能量泛函在基于圖像區(qū)域信息的基礎(chǔ)上同時(shí)檢測(cè)圖像的梯度信息，能量泛函極小化后收斂于全局極小解。并根據(jù)圖像梯度設(shè)置自適應(yīng)大小的局部區(qū)域計(jì)算統(tǒng)計(jì)

6、信息，進(jìn)一步提高了模型的分割精度。 CV模型將圖像劃分為背景和目標(biāo)兩個(gè)區(qū)域，通過(guò)對(duì)這兩個(gè)區(qū)域的灰度均值進(jìn)行逼近來(lái)達(dá)到分割圖像的目的。然而當(dāng)背景和目標(biāo)灰度值對(duì)比度很低時(shí)，分割效果不理想。此外，因?yàn)樗郊瘮?shù)的定義，CV模型對(duì)多個(gè)目標(biāo)不能完全分割。針對(duì)上述缺點(diǎn)，本文提出一種結(jié)合快速直方圖FCM算法的CV模型。即利用快速FCM算法進(jìn)行聚類(lèi)，提取圖像特征信息，在演化時(shí)利用鄰域模板對(duì)不同目標(biāo)分別處理，及時(shí)控制水平集曲線(xiàn)的分裂。對(duì)MR圖像