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、對人體無電離輻射等特點廣泛應用于醫(yī)學圖像領域。其中,腦MR圖像分割是計算機自動輔助診斷的重要環(huán)節(jié),精確的分割對于醫(yī)生制定治療計劃和診斷具有至關重要的作用。核磁共振圖像分割主要就是提取腦MR圖像中感興趣目標區(qū)域,進而進行目標測量分析。由于MR圖像存在偏移場和噪聲的影響,傳統(tǒng)的模糊C-均值(Fuzzy C-Means,FCM)聚類算法僅僅利用了

2、像素點的灰度信息,而沒有考慮到像素點的空間信息,所以得到的分割結果的準確性無法得到有效保證,魯棒性差。本文以聯(lián)合偏移場矯正與分割的改進FCM方法及其多模態(tài)的醫(yī)學圖像融合的多發(fā)性硬化癥檢測為研究思路,主要貢獻為:
　　 (1)結合局部強度聚類和空間位置相關性的核加權方法,提出了一種基于核空間信息的組織聚類分割與偏移場矯正的改進FCM代價函數(shù)模型,推導了一種新的最優(yōu)求解迭代算法。對比實驗結果表明:該方法能有效克服偏移場和噪聲對分割結

3、果的影響,很好地保持了圖像中結構信息。
　　 (2)通過融合BrainWeb腦圖譜(atlas)先驗信息,建立了聯(lián)合配準與分割的FCM代價函數(shù)模型,給出了一種新的穩(wěn)健性分割方法。實驗結果表明:基于BrainWeb腦圖譜先驗信息引導下的改進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確率。對含有噪聲7％,偏移場100%的腦MR圖像分割的準確率達到90%以上。
　　 (3)在改進的FCM基礎上,結合D-S證據(jù)理

4、論,提出了一種融合T1和T2加權腦MR圖像信息的多發(fā)性硬化癥分割算法。首先利用改進的FCM算法分別對T1和T2加權圖像進行分割,然后再利用D-S證據(jù)理論融合T1和T2加權圖像信息,實現(xiàn)多發(fā)性硬化癥病灶的分割。實驗表明,該算法具有較高的多發(fā)性硬化癥病灶分割精度,對多發(fā)性硬化癥的臨床診斷具有較高的輔助作用。
　　 (4)結合基于核空間信息的組織聚類分割與偏移場矯正的改進FCM代價函數(shù)模型和多發(fā)性硬化癥病灶提取,做出了一個腦MR圖像組