[发明专利]细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统

权利要求书

1.一种细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述方法包括如下步骤：

步骤S1，获取原始数据步骤，获取细胞分辨水平的脑组织三维图像的数据集；

步骤S2，降采样步骤，对所述数据集中任意一张二维图像进行降采样，获得降采样图像，所述降采样为降低分辨率进行采样；

步骤S3，低分辨特征提取步骤，对所述降采样图像进行纹理特征提取，获得低分辨纹理特征向量；

步骤S4，绘制初始轮廓步骤，绘制脑区分割区域的初始轮廓线，获得低分辨初始标号，作为低分辨脑区分割的启动条件；

步骤S5，低分辨脑区分割步骤，利用所述低分辨纹理特征向量和所述低分辨初始标号，计算脑区纹理的概率分布，获得低分辨标号场；

步骤S6，升采样标号值步骤，将所述低分辨标号场进行升采样，获得高分辨初始标号，所述高分辨初始标号的分辨率与所述二维图像的分辨率一致；

步骤S7，高分辨特征提取步骤，对所述二维图像进行纹理特征提取，获得高分辨纹理特征向量；

步骤S8，高分辨脑区分割步骤，利用所述高分辨初始标号和所述高分辨纹理特征向量，计算脑区纹理的概率分布，对所述原始二维图像中像素点进行分类，得到所述原始二维图像的高分辨标号场；

步骤S9，边界优化步骤，重新计算脑区边界相邻区域像素隶属于不同类别的概率值，对所述高分辨标号场进行优化，得到最终的分类标号，此时，当前二维图像的脑区分割工作结束；

步骤S10，循环处理步骤，循环处理所述数据集中的其他二维图像，直到目标脑区所有二维图像全部完成分割；

步骤S11，结果输出步骤，输出目标脑区的三维分割结果。

2.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，获取所述细胞分辨水平的脑组织三维图像的数据集后，先进行预处理，所述预处理包括利用小波变换对图像进行转换、利用双边滤波对噪声进行去除、利用直方图均衡化来对整个像素的灰度进行矫正，以符合脑区自动分割所需的图像质量要求。

3.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述降采样利用三次内插法进行插值采样。

4.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述纹理特征提取，包括细胞构筑的细节纹理特征和脑区纹理空间分布特征，两者相结合组成所述低分辨纹理特征向量。

5.根据权利要求3所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述细胞构筑的细节纹理特征，是通过分数阶微分运算来获得；所述脑区纹理空间分布特征，是描述脑区中重复出现的局部模式与他们的细胞形态排列规则，通过灰度共生矩阵来提取典型特征来获得。

6.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，绘制初始轮廓，当处理对象为所述数据集中第一张图像时，手动分割出第一张图像中的目标脑区的外轮廓，并将外轮廓作为所述低分辨初始标号；当处理对象为所述数据集中其他图像时，以前一张图像分割得到的最终结果作为当前图像的低分辨初始标号。

7.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述脑区纹理的概率分布，利用马尔科夫随机场模型来描述，公式为

其中r为像素点s邻域内的点，βs为势团参数，y_s和y_r分别为w_s和w_r的灰度值，μ_s为邻域内灰度均值，D(w_s,w_r)为w_s和w_r的距离。

8.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述边界优化，将脑区边界相邻区域像素的归属描述为一个模糊集，利用模糊熵对每个像素点的类别不确定性进行描述。