[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

说明书

本发明公开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，其包括步骤：S1，选取种子点截取包含垂体瘤的局部三维MR图像数据，进而获取分割的初始边界曲面；S2，基于初始边界曲面，建立混合活动轮廓模型，得到模型能量函数；S3，对能量函数进行离散化；S4，将截取的局部三维MR图像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、节点与源点间，和节点与汇点间连接的边分别赋予对应的权值；S5，基于构建的图进行图割计算，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，以当前分割轮廓替代S1中的初始边界曲面，重复步骤S2至S5，直至分割结果收敛，得到最终分割轮廓。利用本发明可实现垂体瘤MR影像的三维分割，提高垂体瘤图像分割的准确性。

技术领域

本发明涉及图像分割技术领域，特别是对磁共振成像的人脑图像进行区域分割的，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。

背景技术

磁共振成像(Magnetic resonance imaging，MRI)具有优良的软组织分辨力，可对人体各部位多角度、多平面成像，多种成像方法与脉冲序列技术的应用有助于对垂体瘤的定位、定性诊断。通常临床上医学影像的肿瘤分割会由医生在二维影像上逐序列手工描绘垂体瘤边界来完成。根据实体瘤疗效评价(RECIST)标准，放射医生会识别出二维影像上脑部的高亮度/低亮度组织，测量垂体瘤病灶一、两个方向的直径数值，但由于垂体瘤的形状多变，单一的直径并不能表示垂体瘤的体积。另外由于脑部扫描序列图像的数据量庞大，人工分割耗时费力。而且人工分割和影像信息分析的结果受医生的专业知识和操作熟练度影响，往往因人而异、主观性较大，很容易产生不可预测的结果。多模态垂体瘤磁共振(Magnetic resonance，MR)图像处理与分析，综合运用图像处理、图像分析、模式识别、机器学习等现代计算机技术，可以大大改进临床垂体瘤医学影像处理与分析的现状，提供更高效、准确、客观的分析结果。

垂体瘤属于脑肿瘤中的一种类型，临床实践中发现多模态脑垂体瘤的医学影像具有复杂的特性。其MR影像与其他脑肿瘤MR影像特点有相似之处，主要表现有：垂体瘤的结构复杂；其空间占位、形状和大小不确定；病变组织、周围软组织的灰度分布不均匀，密度分布有混叠，边界比较模糊；不同个体的组织结构存在较大差异；又由于MRI技术原理和图像采集过程中各种因素的影响，图像存在噪声、伪影等。因此要实现对垂体瘤的正确分割非常困难。脑肿瘤的分割任务包括正常脑组织(脑白质、脑灰质和脑脊液)、病变组织(水肿、肿瘤及其内部的坏死和囊变等)。从20世纪70年代开始，涌现出各种类型的脑肿瘤分割方法，主要可分为基于区域的分割方法、基于边缘的分割方法，以及结合区域和边界的分割方法，还有神经网络、模糊聚类、马尔科夫随机场模型、基于图论和基于图谱的其他分割方法。

由于脑部医学图像的复杂性，各类分割方法仍只能就具体问题具体解决，尚没有一种通用的分割方法形成。目前的研究趋势呈现以下几个特点：

(1)融合各自优点的多种分割算法结合。如结合模糊聚类和形变模型的图像分割方法、基于区域生长和神经网络的分割方法；还有近年来发展出的，基于图论的分割算法，如图割和主动形状模型联合分割算法、图割和形变模型联合分割算法等。

(2)半自动的分割技术仍然是研究的重点方向。全自动分割算法可以大大提高脑肿瘤的分割效率，但在临床中还需允许医生根据具体病例进行特殊分割操作。交互式的半自动分割方法在自动分割结果的基础，使得医生可以评估分割结果、人工干预分割，弥补自动分割算法在进行特殊分割任务时的不足，达到精准分割、定量分析。如应用随机游走的脑肿瘤和肺肿瘤分割算法；也发展出一些交互式分割软件，如3D Slicer等等。