基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法
【專(zhuān)利摘要】本發(fā)明涉及基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法。所述方法包括：輸入原始圖像；對(duì)原始圖像進(jìn)行預(yù)處理；對(duì)核團(tuán)所在感興趣區(qū)域自動(dòng)提取，估算該區(qū)域內(nèi)的均值、標(biāo)準(zhǔn)差；計(jì)算種子點(diǎn)周?chē)鷧^(qū)域各點(diǎn)對(duì)于種子點(diǎn)的模糊親和度；進(jìn)行后處理。本發(fā)明采用置信連接度實(shí)現(xiàn)了感興趣區(qū)域的自動(dòng)選??；計(jì)算模糊連接度時(shí)，在傳統(tǒng)僅利用灰度特征的基礎(chǔ)上增加了梯度特征，能更好地表達(dá)圖像邊緣。實(shí)驗(yàn)結(jié)果表明，本發(fā)明有效減少了傳統(tǒng)模糊連接度算法中出現(xiàn)的欠分割現(xiàn)象；灰度特征與梯度特征之間的權(quán)重系數(shù)通過(guò)自適應(yīng)計(jì)算獲得，提高了分割結(jié)果的準(zhǔn)確性；本發(fā)明實(shí)現(xiàn)了模糊連接度分割閾值的自動(dòng)選取，該閾值隨種子點(diǎn)的變化而變化，提高了分割過(guò)程的自動(dòng)化程度。
【專(zhuān)利說(shuō)明】基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于醫(yī)學(xué)圖像處理領(lǐng)域，涉及一種基于MRI (Magnetic Resonance Image,核磁共振成像)影像的丘腦及其子結(jié)構(gòu)神經(jīng)核團(tuán)自動(dòng)分割方法，尤其涉及一種基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法。
【背景技術(shù)】
[0002]隨著現(xiàn)代醫(yī)療技術(shù)的發(fā)展，顱腦的計(jì)算機(jī)輔助手術(shù)在臨床中被廣泛使用。目前，相關(guān)技術(shù)已將丘腦及其子結(jié)構(gòu)神經(jīng)核團(tuán)作為腦立體定向神經(jīng)外科手術(shù)的毀損區(qū)，用于治療癲癇和錐體外系疾病。丘腦與其周?chē)X組織的空間關(guān)系復(fù)雜，在影像學(xué)高度發(fā)展的今天，對(duì)丘腦及其內(nèi)部核團(tuán)進(jìn)行分割仍然是影像學(xué)的一個(gè)難點(diǎn)問(wèn)題。利用計(jì)算機(jī)對(duì)丘腦及其子結(jié)構(gòu)神經(jīng)核團(tuán)進(jìn)行分割，對(duì)于神經(jīng)外科疾病的診斷與治療和解剖學(xué)教學(xué)具有重要意義。過(guò)去的十幾年中，人們提出了很多關(guān)于腦結(jié)構(gòu)的自動(dòng)分割方法。然而，其中多數(shù)研究只針對(duì)磁共振腦圖像的腦組織(灰質(zhì)、白質(zhì)、腦脊液)分割展開(kāi)，關(guān)于子結(jié)構(gòu)的分割方法尚不成熟。目前MRI腦圖像的分割方法主要包括模糊聚類(lèi)、閾值分割、區(qū)域生長(zhǎng)、水平集和主動(dòng)輪廓等幾類(lèi)。閾值法、區(qū)域增長(zhǎng)和聚類(lèi)算法容易受灰度不均勻性的影響，同時(shí)依賴(lài)種子點(diǎn)的選取，會(huì)造成分割結(jié)果的欠準(zhǔn)確。主動(dòng)輪廓與水平集法需要預(yù)先獲得初始輪廓，當(dāng)邊界模糊甚至缺失時(shí)，很難收斂于目標(biāo)結(jié)構(gòu)。
[0003]因此，目前現(xiàn)有的分割技術(shù)大多針對(duì)于體積較大且邊界清晰的臟器或腫瘤，而針對(duì)丘腦及其內(nèi)部細(xì)小核團(tuán)，有效的自動(dòng)分割方法鮮有報(bào)道。其中大部分關(guān)于丘腦及其子結(jié)構(gòu)分割的現(xiàn)有技術(shù)，均需依賴(lài)人工操作以獲得初始限制條件或訓(xùn)練模板，無(wú)法通過(guò)自動(dòng)獲取目標(biāo)區(qū)域的方式獲得丘腦核團(tuán)所在區(qū)域，難以在減少人工干預(yù)的同時(shí)保證分割結(jié)果的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0004]針對(duì)現(xiàn)有技術(shù)中缺乏腦部核團(tuán)的有效自動(dòng)分割方法，尚需人工干預(yù)、分割過(guò)程操作繁瑣的問(wèn)題，本發(fā)明提出一種基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法，通過(guò)應(yīng)用置信連接度理論自動(dòng)獲得丘腦核團(tuán)的感興趣區(qū)域；在模糊連接度框架內(nèi)引入圖像梯度特征；實(shí)現(xiàn)了灰度特征與梯度特征的權(quán)重自適應(yīng)調(diào)整，以及模糊連接度分割閾值的自動(dòng)選??；在減少人工干預(yù)的同時(shí)，保證了分割結(jié)果的準(zhǔn)確性，簡(jiǎn)化人了工操作。
[0005]為實(shí)現(xiàn)上述目的，本發(fā)明采取如下技術(shù)方案:首先對(duì)原始圖像進(jìn)行腦組織提取，去除頭皮、頭骨等非腦組織，并且利用非參數(shù)非均勻灰度歸一化法，對(duì)處理后的數(shù)據(jù)進(jìn)行偏差場(chǎng)校正以去除噪聲。然后，在感興趣區(qū)域內(nèi)設(shè)定一個(gè)種子點(diǎn)，利用置信連接度理論，對(duì)包含丘腦及其子結(jié)構(gòu)核團(tuán)的感興趣區(qū)域進(jìn)行粗略分割；計(jì)算該區(qū)域灰度特征與梯度特征的平均值和標(biāo)準(zhǔn)差，然后將均值和標(biāo)準(zhǔn)差傳遞給自適應(yīng)模糊連接度計(jì)算公式計(jì)算親和度。將種子點(diǎn)周?chē)?*8鄰域的模糊連接度均值作為分割閾值，將模糊連接度小于該閾值的像素與種子點(diǎn)歸為同一區(qū)域，剩下的像素則歸為背景，從而實(shí)現(xiàn)目標(biāo)區(qū)域的分割。最后采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)分割結(jié)果進(jìn)行優(yōu)化和平滑。
[0006]本發(fā)明的特征在于采取以下步驟:
[0007]步驟1，輸入原始圖像。 [0008]步驟2，對(duì)原始圖像進(jìn)行預(yù)處理。
[0009]步驟2.1，對(duì)原始圖像進(jìn)行腦組織提取，去除頭皮、頭骨等非腦組織，并利用非參數(shù)非均勻灰度歸一化法，對(duì)處理后的數(shù)據(jù)進(jìn)行偏差場(chǎng)校正以去除噪聲。
[0010]步驟2.2，在包含丘腦及其子結(jié)構(gòu)核團(tuán)的感興趣區(qū)域設(shè)定種子點(diǎn)。
[0011]步驟3，對(duì)核團(tuán)所在感興趣區(qū)域自動(dòng)提取，計(jì)算該區(qū)域內(nèi)的均值、標(biāo)準(zhǔn)差。
[0012]利用置信連接度理論，以步驟2.2中所述單一種子點(diǎn)為初始像素，對(duì)包含待分割丘腦及其子結(jié)構(gòu)核團(tuán)的感興趣區(qū)域進(jìn)行自動(dòng)分割，并計(jì)算該區(qū)域內(nèi)的灰度、梯度特征的平均值與標(biāo)準(zhǔn)差。
[0013]對(duì)種子點(diǎn)周?chē)囊粋€(gè)小鄰域，計(jì)算此區(qū)域的灰度均值和標(biāo)準(zhǔn)差。通過(guò)一個(gè)給定控制灰度范圍大小的乘法因子I與標(biāo)準(zhǔn)差的乘積來(lái)定義相似灰度的范圍I⑴e [m-1 O，m+l 0]，其中X是圖像I中的像素點(diǎn)；m和σ分別是當(dāng)前區(qū)域灰度的均值和標(biāo)準(zhǔn)差；灰度值在這個(gè)范圍內(nèi)的相鄰像素點(diǎn)將被包含到當(dāng)前區(qū)域中。然后，對(duì)包含在當(dāng)前區(qū)域內(nèi)的所有像素點(diǎn)再次計(jì)算其灰度平均值和標(biāo)準(zhǔn)差，從而定義一個(gè)新的灰度范圍；當(dāng)前區(qū)域的鄰域中，灰度值在這個(gè)范圍內(nèi)的像素將被合并到當(dāng)前區(qū)域。重復(fù)上述過(guò)程，直到?jīng)]有新的像素被合并為止。
[0014]置信連接度用來(lái)計(jì)算此區(qū)域中灰度特征和梯度特征的均值和標(biāo)準(zhǔn)差。然后將均值和標(biāo)準(zhǔn)差傳遞給自適應(yīng)模糊連接度計(jì)算公式用以計(jì)算親和力。
[0015]步驟4，計(jì)算種子點(diǎn)周?chē)鷧^(qū)域各點(diǎn)對(duì)于種子點(diǎn)的模糊親和度。
[0016]在傳統(tǒng)的基于模糊連接度的分割方法中，選取灰度特征作為限制條件，計(jì)算種子點(diǎn)與其它像素點(diǎn)之間的模糊連接度。由于經(jīng)常會(huì)出現(xiàn)過(guò)分割或欠分割的現(xiàn)象，加入圖像梯度特征以限制分割目標(biāo)區(qū)域邊緣。采取自適應(yīng)權(quán)重的方法對(duì)灰度特征與梯度特征的權(quán)重系數(shù)進(jìn)行取值，并取種子像素點(diǎn)周?chē)?*8鄰域的模糊連接度均值作為分割閾值。
[0017]本發(fā)明采用的方法如下:
[0018]步驟4.1，定義模糊連接函數(shù)和模糊空間元素親和度。
[0019]在只考慮灰度特征作為限制條件的基礎(chǔ)上加入圖像梯度特征，并將灰度特征與梯度特征的權(quán)重參數(shù)進(jìn)行自適應(yīng)計(jì)算，得到新的模糊親和度μ K (c，d)的計(jì)算公式，即自適應(yīng)模糊連接度(adaptive fuzzy connectedness, AFC):......,,、 ，
[0020]
【權(quán)利要求】
1.基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法，其特征在于包括以下步驟: 步驟I，輸入原始圖像； 步驟2，對(duì)原始圖像進(jìn)行預(yù)處理； 步驟2.1，對(duì)原始圖像進(jìn)行腦組織提取，去除頭皮、頭骨非腦組織，并利用非參數(shù)非均勻灰度歸一化法，對(duì)處理后的數(shù)據(jù)進(jìn)行偏差場(chǎng)校正以去除噪聲； 步驟2.2，在包含丘腦及其子結(jié)構(gòu)核團(tuán)的感興趣區(qū)域設(shè)定種子點(diǎn)； 步驟3，對(duì)核團(tuán)所在感興趣區(qū)域自動(dòng)提取，計(jì)算該區(qū)域內(nèi)的均值、標(biāo)準(zhǔn)差； 利用置信連接度理論，以步驟2.2中所述單一種子點(diǎn)為初始像素，對(duì)包含待分割丘腦及其子結(jié)構(gòu)核團(tuán)的感興趣區(qū)域進(jìn)行自動(dòng)分割，并計(jì)算該區(qū)域內(nèi)的灰度、梯度特征的平均值與標(biāo)準(zhǔn)差； 對(duì)種子點(diǎn)周?chē)囊粋€(gè)小鄰域，計(jì)算此區(qū)域的灰度均值和標(biāo)準(zhǔn)差；通過(guò)一個(gè)給定控制灰度范圍大小的乘法因子I與標(biāo)準(zhǔn)差的乘積來(lái)定義相似灰度的范圍I⑴e [m-1 σ , m+1 σ ],其中X是圖像I中的像素點(diǎn)；m和σ分別是當(dāng)前區(qū)域灰度的均值和標(biāo)準(zhǔn)差；灰度值在這個(gè)范圍內(nèi)的相鄰像素點(diǎn)將被包含到當(dāng)前區(qū)域中；然后，對(duì)包含在當(dāng)前區(qū)域內(nèi)的所有像素點(diǎn)再次計(jì)算其灰度平均值和標(biāo)準(zhǔn)差，從而定義一個(gè)新的灰度范圍；當(dāng)前區(qū)域的鄰域中，灰度值在這個(gè)范圍內(nèi)的像素將被合并到當(dāng)前區(qū)域；重復(fù)上述過(guò)程，直到?jīng)]有新的像素被合并為止； 步驟4，計(jì)算種子點(diǎn)周?chē)鷧^(qū)域各點(diǎn)對(duì)于種子點(diǎn)的模糊親和度； 步驟5，進(jìn)行后處理； 步驟5.1，設(shè)置填充核團(tuán)內(nèi)部空洞的填充半徑； 步驟5.2，利用數(shù)學(xué)形態(tài)學(xué)運(yùn)算填充核團(tuán)內(nèi)部空洞，同時(shí)移除核團(tuán)周?chē)膷u嶼區(qū)域，平滑分割邊界，以獲得最終結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于改進(jìn)模糊連接度算法的丘腦及其子結(jié)構(gòu)分割方法，其特征在于，步驟4所述模糊親和度的計(jì)算方法包括以下步驟: 步驟4.1，定義模糊連接函數(shù)和模糊空間元素親和度； 在只考慮灰度特征作為限制條件的基礎(chǔ)上加入圖像梯度特征，并將灰度特征與梯度特征的權(quán)重參數(shù)進(jìn)行自適應(yīng)計(jì)算，得到新的模糊親和度yK(c，d)的計(jì)算公式，即自適應(yīng)模糊連接度:
【文檔編號(hào)】G06T7/00GK103942780SQ201410120029
【公開(kāi)日】2014年7月23日 申請(qǐng)日期:2014年3月27日 優(yōu)先權(quán)日:2014年3月27日
【發(fā)明者】楊春蘭, 王倩, 吳薇薇, 吳水才, 薛艷青 申請(qǐng)人:北京工業(yè)大學(xué)