[发明专利]一种基于多特征区分的MRI脑肿瘤图像分割方法

说明书

一种基于多特征区分的MRI脑肿瘤图像分割方法，涉及MRI脑肿瘤图像分割技术，目的是为了满足基于多特征区分的MRI脑肿瘤图像分割技术的发展需要。本发明首先获取多模态脑肿瘤视觉差分图像，并对视觉差分图像进行超像素分割；然后对超像素分割结果提取多特征并构建区分能力公式，得到加权特征矩阵；最后利用稀疏表示分割算法得到最终分割结果。本发明根据多特征构建的加权特征矩阵能够在分割算法中减小肿瘤和正常脑组织的相关性，能获得较好的图像分割结果。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及MRI脑肿瘤图像分割方法。

背景技术

脑肿瘤是神经系统常见疾病之一，近年来脑肿瘤发病率呈现上升趋势，CT、MRI等多种影像检查方法可用于检测脑肿瘤，其中MRI应用于脑肿瘤成像效果最佳，然而，脑部组织结构复杂、组织器官形状不规则，不同个体之间存在差异，造成脑肿瘤图像边缘模糊、对比度低、难以准确观察病变部位及病变状况，对肿瘤的临床分割主要依赖于医生的经验，但是不同的医生分割得到的结果也会有很大差别，通过图像处理的方法提供一种客观的分割结果作为辅助参考，能大大节省医生的时间，同时也能提高分割肿瘤的精度。

传统脑肿瘤分割方法，往往利用单一特征进行分割，然而单一特征无法精确描述脑肿瘤图像，脑肿瘤图像结构复杂，肿瘤和正常脑组织之间边缘模糊，利用单一特征进行分割很容易出现过分割甚至是误分割，从而导致分割结果出现很大误差。

利用多特征可以更全面的描述肿瘤图像，从而更容易寻找肿瘤和正常脑组织之间的差异信息，然而各特征对肿瘤和正常脑组织的区分能力不同，如何度量各特征对肿瘤和正常脑组织的区分能力从而确定各特征对应的权重还待进一步研究。

发明内容

本发明的目的是为了满足基于多特征区分的MRI脑肿瘤图像分割技术的发展需要，提供一种基于多特征区分的MRI脑肿瘤图像分割方法。

本发明所述的基于多特征区分的MRI脑肿瘤图像分割方法包括如下步骤：

步骤1：对多模态MRI脑肿瘤图像提取视觉差分图像I，并将视觉差分图像I分割为n个超像素块；

步骤2：从每个超像素块提取k个特征，得到特征矩阵：

I_C＝(I₁,I₂,···,I_j,···,I_k)^T

其中，I_j＝(q₁,q₂,···,q_i,···,q_n)^T为第j个特征的特征向量，q_i为第i个超像素块的特征值；构造区分能力公式：

其中：E_j为第j个特征的区分能力，s_j为第j个特征的标准差，λ为控制因子，e_j为第j个特征的信息熵，q_i,j为第j个特征的特征向量中第i个值，p_m,j为第j个特征的概率向量中第m个值，N代表特征向量的数据级别；

根据特征区分能力给各特征向量设置权重，得到加权特征矩阵；

步骤3：将加权特征矩阵利用稀疏表示分割算法获取分割结果，对分割结果进行干扰项剔除，对多个视觉差分图像的剔除了干扰项的分割结果进行融合，得到最终分割结果。

进一步地，步骤2中给各特征向量设置权重的具体方法如下：

根据特征区分能力设置第j个特征向量的权重值为：