基于多序列MR图像关联信息的脑肿瘤图像分割方法与流程

文档序号:11953523阅读:来源:国知局

技术特征:

1.一种基于多序列MR图像关联信息的脑肿瘤图像分割方法,其特征在于,包括以下步骤:

S1,读取同一病例中不同序列的MR图像;

S2,选取其中一个序列MR图像的脑肿瘤区域作为肿瘤种子点;

S3,以当前序列MR图像所选择的脑肿瘤种子点,对其他序列的MR图像进行相似度匹配,寻找其他序列MR图像中的潜在脑肿瘤种子点;

S4,将所寻找的潜在脑肿瘤种子点和背景种子点作为先验知识,用图割算法实现多序列MR图像中脑肿瘤区域的精确分割。

2.根据权利要求1所述的一种基于多序列MR图像关联信息的脑肿瘤图像分割方法,其特征在于,所述步骤S1中不同序列的MR图像包括T1(纵向松弛时间)、T2(横向松弛时间)、T2WI+FLAIR(T2加权成像)、T1WI(T1加权成像)四种成像序列(即不同的脉冲序列得到的图像)。

3.根据权利要求1所述的一种基于多序列MR图像关联信息的肿瘤图像分割方法,其特征在于,所述步骤S2采用的种子点选择方法包括鼠标点击划线、画圈、取点等人机交互方式.。

4.根据权利要求1所述的一种基于多序列MR图像关联信息的脑肿瘤图像分割方法,其特征在于,所述步骤S3采用的相似度匹配方法具体包括:

(1)将所述当前序列MR图像选择的脑肿瘤种子点所在区域作为模板;

(2)对其他序列的MR图像进行从上至下、从左至右的逐点区域相似度计算;

(3)寻找到相似度最大的区域作为该序列MR图像中的潜在脑肿瘤区域,其余部分作为潜在背景部分。

5.根据权利要求1所述的一种基于多序列MR图像关联信息的脑肿瘤图像 分割方法,其特征在于,所述步骤S4具体包括:

(1)将步骤S3得到的MR图像中潜在的脑肿瘤区域作为目标种子;

(2)将MR图像映射为网络图,像素点对应为图的节点,并添加额外两个节点:源点和汇点,每两个相邻像素点之间都有连线,每个像素点都与源点和汇点有连线,这些连线作为网络图的边;

(3)将步骤S3得到的区域相似度概率用于设定网络图的边的权值,并计算图的能量函数;

(4)根据图的能量函数使用图割算法进行求解,将最小值的解作为图的分割结果,使用衡量准则将分割结果与金标准进行比较。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1