[发明专利]一种基于随机游走和图割的活动轮廓模型的MR图像三维交互分割方法

权利要求书

1.一种基于随机游走和图割的活动轮廓模型的MR图像三维交互分割方法，其特征是，包括以下步骤：

S1，获取初始边界曲面，包括步骤：

S11，选取随机游走算法所需的种子点，以该种子点作为三维中心点，从脑部MR三维数据中截取包含垂体瘤的局部三维MR图像数据；

S12，利用三维随机游走算法对截取的局部三维MR图像数据进行处理，得到各体素点到达种子点的概率三维图；

S13，利用最大期望值算法选取概率阈值，以分割出疑似目标区域，将疑似目标区域内的体素作为活动轮廓模型算法的前景点，疑似目标区域的边界曲面即初始边界曲面；

S2，基于初始边界曲面，建立混合活动轮廓模型：对标准活动轮廓模型的能量函数中边界能量项采用标准测地线模型，区域能量项采用局部高斯模型描述的灰度最大后验概率，进而得到混合活动轮廓模型的能量函数；

S3，模型离散化，包括：

S31，给每个体素点定义一个二元变量，赋值1和0分别对应代表前景点和背景点，以将区域能量项函数离散化；

S32，利用割测度将边界能量项函数即测地线模型离散化；

S33，得到离散化后的能量函数；

S4，构建图：对于截取的局部三维MR图像数据，将其中的每个体素点作为图的节点，采用每个体素点的6邻域进行图的构建；对初始边界曲面内和初始边界曲面外的体素点分别赋予初始值；并根据离散后的能量函数给节点间连接的边，节点与源点连接的边，和节点与汇点连接的边分别赋予对应的权值；

S5，基于步骤S4构建的图进行图割计算：采用最大流和最小割算法得到分割结果，提取分割结果中的边界曲面即为分割轮廓；

S6，以当前分割轮廓作为初始边界曲面，重复迭代步骤S2至步骤S5，直至分割结果收敛，输出最终分割结果。

2.根据权利要求1所述的方法，其特征是，步骤S5还包括，利用三维中值滤波对得到的分割轮廓进行处理，得到滤波后分割结果；步骤S6以当前滤波后的分割轮廓作为初始边界曲面。

3.根据权利要求1或2所述的方法，其特征是，步骤S11中，种子点的选取步骤为，在矢状位的二维显示图像中，选取中心位置切片，在切片中垂体瘤内近似中心位置选取一点，即作为种子点。

4.根据权利要求1或2所述的方法，其特征是，步骤S11中，所述包含垂体瘤的数据立方体尺寸为71×71×41个体素。

5.根据权利要求1或2所述的方法，其特征是，步骤S2中，给定图像域I(x):Ω→R为二维图像；闭合曲线C将图像分成两个独立区域，L(C)表示C的长度；设曲线C内区域为Ω₁，曲线C外区域为Ω₂，对于图像域Ω的各像素p，考虑其半径为ρ的圆形邻域，定义为O_x＝{y:|x-y|≤ρ}，x为圆形邻域的中心像素点，y为圆形邻域中除x外的任意像素点；

则区域O_x∩Ω_i内的像素点灰度概率密度函数表示为：

式中u_i(x)和σ_i(x)分别为区域O_x∩Ω_i内像素点x的局部灰度均值和方差，I(y)为像素点y的灰度值，

边界能量项E_Edge采用标准测地线模型，区域能量项E_Reigon采用局部高斯模型描述的灰度最大后验概率形式的能量函数E表示为：

式中β是一个任意正常数，函数w是一个权重函数。

6.根据权利要求5所述的方法，其特征是，步骤S2中，权重函数w采用截断高斯核形式，表示为：

式中α为使得∫w(x,y)＝1成立的常数。