[发明专利]神经胶质瘤分级中的多模脑图像融合方法

说明书

神经胶质瘤分级中的多模脑图像融合方法，本发明涉及医学图像融合。本发明的目的是为了解决在单一模态图像上无法准确确定肿瘤与正常组织的边界和边缘，导致无法获得准确的融合后的图像的问题。具体过程为：一：采用多级保边滤波MLEPF算法对输入的图像进行分解，分解为不同级别的图像；二：获取任意两个已配准的图像；三：对图像A(x,y)和B(x,y)分别执行一，得到图像A(x,y)的精细结构层图像、粗略结构层图像、基础结构层图像；图像B(x,y)的精细结构层图像、粗略结构层图像以及基础结构层图像；得到融合后的精细结构层图像和粗略结构层图像；四：得到融合后的基础结构层图像；五：得到最终融合后图像。

技术领域

本发明涉及医学图像融合。

背景技术

在不同的模态中，经常使用磁共振成像(MRI)和正电子发射型计算机断层显像(PET)扫描仪来识别脑肿瘤。从这些模态获得的图像中检测脑肿瘤一直是一个有效的研究领域。脑肿瘤患者通过MRI和PET扫描仪获得的图像通常包含扫描仪噪声和畸变，因此某些区域有着过高的强度。此外，放射科医师和肿瘤科医师获取的医学图像的来源不同，这会导致各种信息过载问题。从文献来看，没有一种单一的成像方式可以提供关于急性疾病的完整明确的信息。因此在分离过程中，放射科医生和肿瘤科医生在单一模态图像上无法准确确定肿瘤与正常组织的边界和边缘，导致无法获得准确的融合后的图像。

发明内容

本发明的目的是为了解决在单一模态图像上无法准确确定肿瘤与正常组织的边界和边缘，导致无法获得准确的融合后的图像的问题，而提出神经胶质瘤分级中的多模脑图像融合方法。

神经胶质瘤分级中的多模脑图像融合方法具体过程为：

步骤一：采用多级保边滤波MLEPF算法对输入的图像进行分解，分解为不同级别的图像；

步骤二：获取任意两个已配准的图像A(x,y)和B(x,y)；

步骤三：对图像A(x,y)和B(x,y)分别执行步骤一，得到图像A(x,y)的精细结构层图像FS_A⁽ⁱ⁾、图像B(x,y)的精细结构层图像FS_B⁽ⁱ⁾、图像A(x,y)的粗略结构层图像CS_A⁽ⁱ⁾、图像B(x,y)的粗略结构层图像CS_B⁽ⁱ⁾以及图像A(x,y)的基础结构层图像BS_A、图像B(x,y)的基础结构层图像BS_B；

对图像A(x,y)的精细结构层图像FS_A⁽ⁱ⁾和图像B(x,y)的精细结构层图像FS_B⁽ⁱ⁾进行融合，得到融合后的精细结构层图像FS⁽ⁱ⁾；

对图像A(x,y)的粗略结构层图像CS_A⁽ⁱ⁾和图像B(x,y)的粗略结构层图像CS_B⁽ⁱ⁾进行融合，得到融合后的粗略结构层图像CS⁽ⁱ⁾；

步骤四：对图像A(x,y)的基础结构层图像BS_A和图像B(x,y)的基础结构层图像BS_B进行融合，得到融合后的基础结构层图像BS；

步骤五：基于步骤三得到的融合后的精细结构层图像FS⁽ⁱ⁾、步骤三得到的融合后的粗略结构层图像CS⁽ⁱ⁾以及步骤四得到的融合后的基础结构层图像BS，得到最终融合后图像。

本发明的有益效果为：