[0041] 对于图2所示的脑肿瘤MRI图像，采用本发明的使用空间截面投影的脑肿瘤MRI 图像分割算法进行分割，包括以下步骤：
[0042] (1)获取图2所示的脑肿瘤MRI图像的扫描图像，然后将该扫描图像转换成灰度 图像，再采用基于截面投影的三维Otsu法对灰度图像进行分析，得到初始感兴趣的轮廓 {Al，A2, A3,…，An}，其中Al, A2, A3,…，An定义为构成初始感兴趣的轮廓的所有轮廓点；
[0043] (2)根据初始感兴趣的轮廓{A1，A2, A3,…，An}经包络得到灰度图像中的感兴趣 区域，根据该感兴趣区域的外形选取一个能够将该感兴趣区域包含在内的方形区域，定义 该方形区域的宽度为W、高度为H，如果WXH能够被5 X 5整除，则将该方形区域定义为当前 灰度图像，然后直接将当前灰度图像划分成个互不重叠的尺寸大小为5X5的子块； 5x5 如果WXH不能够被5 X 5整除，则扩展该方形区域使其尺寸大小能够被5 X 5整除，将扩展 Wxii' 后的方形区域定义为当前灰度图像，然后将当前灰度图像划分成个互不重叠的尺 5x5 寸大小为5X5的子块，其中，W'和H'对应表示扩展后的方形区域的宽度和高度，W' == W 且 Η' >H 或 W' >W 且 H' = = H 或 W' >W 且 Η' >H ;
[0044] (3)采用区域生长法对当前灰度图像进行分割，得到当前灰度图像中的多个初步 病灶区域；
[0045] (4)将当前灰度图像中当前待处理的初步病灶区域定义为当前初步病灶区域；
[0046] (5)从当前灰度图像中提取出与当前初步病灶区域对应的所有尺寸大小为5X5 的子块，按序对当前初步病灶区域对应的每个尺寸大小为5X5的子块进行处理，将当前待 处理的尺寸大小为5X5的子块定义为当前子块；
[0047] (6)将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型 中进行优化，该非线性优化模型为：
[0048]
[0049] 其中：$表示非线性优化模型输出的信噪比，A为固定周期信号的幅度，f。为固定 周期信号的频率，t为布朗粒子的运动时间，Φ为固定周期信号的初相位，m、η均为双稳态 势皇实参数，g(t)表示非线性优化模型的输入参数，s为布朗粒子的运动坐标，α为噪声强 度，ξ (t)为均值为0的高斯白噪声；
[0050] 将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中 进行优化后，非线性优化模型输出当前子块中的所有像素点各自的信噪比，如果当前子块 中的每个像素点的信噪比与事先存储于数据库中的脑肿瘤MRI扫描图像的灰度图像中对 应像素点的信噪比的误差小于10%，则确定当前子块优化成功，其中，事先存储于数据库中 的脑肿瘤MRI扫描图像的灰度图像的尺寸大小与当前灰度图像的尺寸大小相同；
[0051] (7)将下一个待处理的尺寸大小为5X5的子块作为当前子块，然后返回步骤（6) 继续执行，直至当前初步病灶区域对应的所有尺寸大小为5X5的子块处理完毕，得到对应 的最终病灶区域；
[0052] (8)将当前灰度图像中下一个待处理的初步病灶区域作为当前初步病灶区域，然 后返回步骤（5)继续执行，直至当前灰度图像中的所有初步病灶区域处理完毕，得到当前 灰度图像中的多个最终病灶区域，至此完成脑肿瘤MRI扫描图像的分割。
[0053] 以上实施例的步骤（6)中，事先存储于数据库中的脑肿瘤MRI扫描图像的灰度图 像中的每个像素点的信噪比的具体获取过程为：
[0054] (6. 1)选取一幅来源于核磁共振诊断设备的具有明显病灶的脑肿瘤MRI图像的扫 描图像，然后将该扫描图像转换为灰度图像；
[0055] (6.2)定义该灰度图像的宽度为W、高度为H，如果WXH能够被5X5整除，则将该 W X Il 灰度图像作为待处理灰度图像，然后直接将待处理灰度图像划分成-^-二-个互不重叠的尺 寸大小为5X5的子块；如果WXH不能够被5X5整除，则扩展该灰度图像使其尺寸大小能 够被5X5整除，将扩展后的灰度图像作为待处理灰度图像，然后将待处理灰度图像划分成 W'-X //' 个互不重叠的尺寸大小为5X5的子块，其中，W'和H'对应表示扩展后的灰度图像 5x5 的宽度和高度，W' = = W且Η' >H或W' >W且H' = = H或W' >W且Η' >H ;
[0056] (6. 3)手动圈定待处理灰度图像中的每个病灶区域；
[0057] (6. 4)计算待处理灰度图像中的每个病灶区域对应的每个尺寸大小为5X5的子 块中的每个像素点的信噪比。
[0058] 本发明分割算法中，用到的基于截面投影的三维Otsu法、区域生长法以及扩展灰 度图像的方法均采用现有技术。例如，基于截面投影的三维Otsu法可以参考"基于空间截 面投影的Otsu图像分割算法"，范朝冬等，通信学报，第35卷第5期，2014年5月。
[0059] 对于图2,非线性优化模型的具体参数选择为：保持固定周期信号的幅度A = 4、固 定周期信号的频率fc= 1Hz、固定周期信号的初相位Φ =0不变，并使得噪声强度α取值 范围为[0, 400]，此时令双稳态势皇实参数η = 1，并使双稳态势皇实参数m在[1，10]之内 进行步进为〇. 1的变化，同时监控系统输出信噪比，当输出信噪比曲线产生特征峰并且峰 值为最大值时，即可以确定m = 6. 5,此时各项参数为最优化选择。
[0060] 利用本发明分割算法并结合上述具体参数对图2进行分割，分割后的图像见图3。 从图3可以明显看出，经本发明算法分割后，图2中的脑肿瘤MRI图像得到有效分割，分割 效果好、分割效率高，有利于提高对脑肿瘤病例判断的准确性。
【主权项】
1.使用空间截面投影的脑肿瘤MRI图像分割算法，其特征在于，包括以下步骤： (1)获取一幅来源于脑部的MRI扫描设备的待分割的脑肿瘤MRI扫描图像，然后将该待 分割的脑肿瘤MRI扫描图像转换成灰度图像，再采用基于截面投影的三维Otsu法对灰度图 像进行分析，得到初始感兴趣的轮廓{A1，A2, A3,…，An}，其中Al, A2, A3,…，An定义为构成 初始感兴趣的轮廓的所有轮廓点； ⑵根据初始感兴趣的轮廓{A1，A2, A3,…，An}经包络得到灰度图像中的感兴趣区域， 根据该感兴趣区域的外形选取一个能够将该感兴趣区域包含在内的方形区域，定义该方形 区域的宽度为W、高度为H，如果WXH能够被uXu整除，则将该方形区域定义为当前灰度WXH不能够被uXu整除，则扩展该方形区域使其尺寸大小能够被uXu整除，将扩展后的小为uXu的子块，其中，W'和H'对应表示扩展后的方形区域的宽度和高度，W' == W且 H' >H 或 W' >W 且 H' = = H 或 W' >W 且 H' >H，u 取 4、5 或 6 ; (3) 采用区域生长法对当前灰度图像进行分割，得到当前灰度图像中的多个初步病灶 区域； (4) 将当前灰度图像中当前待处理的初步病灶区域定义为当前初步病灶区域； (5) 从当前灰度图像中提取出与当前初步病灶区域对应的所有尺寸大小为uXu的子 块，按序对当前初步病灶区域对应的每个尺寸大小为uXu的子块进行处理，将当前待处理 的尺寸大小为uXu的子块定义为当前子块； (6) 将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进 行优化，该非线性优化模型为：表示非线性优化模型输出的信噪比，A为固定周期信号的幅度，f。为固定周期 信号的频率，t为布朗粒子的运动时间，$为固定周期信号的初相位，m、n均为双稳态势皇 实参数，g(t)表示非线性优化模型的输入参数，s为布朗粒子的运动坐标，a为噪声强度， I (t)为均值为0的高斯白噪声； 将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进行 优化后，非线性优化模型输出当前子块中的所有像素点各自的信噪比，如果当前子块中的 每个像素点的信噪比与事先存储于数据库中的脑肿瘤MRI扫描图像的灰度图像中对应像 素点的信噪比的误差小于10%，则确定当前子块优化成功，其中，事先存储于数据库中的脑 肿瘤MRI扫描图像的灰度图像的尺寸大小与当前灰度图像的尺寸大小相同； (7) 将下一个待处理的尺寸大小为uXu的子块作为当前子块，然后返回步骤（6)继续 执行，直至当前初步病灶区域对应的所有尺寸大小为uXu的子块处理完毕，得到对应的最 终病灶区域； (8) 将当前灰度图像中下一个待处理的初步病灶区域作为当前初步病灶区域，然后返 回步骤（5)继续执行，直至当前灰度图像中的所有初步病灶区域处理完毕，得到当前灰度 图像中的多个最终病灶区域，至此完成脑肿瘤MRI扫描图像的分割。2.根据权利要求1所述的使用空间截面投影的脑肿瘤MRI图像分割算法，其特征在于： 步骤（6)中事先存储于数据库中的脑肿瘤MRI扫描图像的灰度图像中的每个像素点的信噪 比的具体获取过程为： (6. 1)选取一幅具有明显病灶的脑肿瘤MRI扫描图像，然后将该具有明显病灶的脑肿 瘤MRI扫描图像转换为灰度图像； (6. 2)定义该灰度图像的宽度为W、高度为H，如果WXH能够被uXu整除，则将该灰 度图像作为待处理灰度图像，然后直接将待处理灰度图像划分成大小为uXu的子块；如果WXH不能够被uXu整除，则扩展该灰度图像使其尺寸大小能 够被uXu整除，将扩展后的灰度图像作为待处理灰度图像，然后将待处理灰度图像划分成个互不重叠的尺寸大小为uXu的子块，其中，W'和H'对应表示扩展后的灰度图像 的宽度和高度，W' = = W且H' >H或W' >W且H' = = H或W' >W且H' >H ; (6. 3)手动圈定待处理灰度图像中的每个病灶区域； (6. 4)计算待处理灰度图像中的每个病灶区域对应的每个尺寸大小为uXu的子块中 的每个像素点的信噪比。
【专利摘要】本发明公开了一种使用空间截面投影的脑肿瘤MRI图像分割算法，采用基于截面投影的三维Otsu法对当前灰度图像进行初步分割，综合考虑了所有像素，提高了像素分割的准确性，避免了现有分割方法的不足；采用本发明分割算法对脑肿瘤MRI图像进行分割，可获得最好的分割效果，有利于提高对脑肿瘤病例判断的准确性；本发明分割算法对含不同噪声类型的脑肿瘤MRI图像也能取得较好的分割效果，适用性好；本发明分割算法的分割精度高、抗噪性强、分割效果好、分割效率高，可应用于噪声干扰严重及时间方面要求较高的系统，表现出重要的研究价值和广阔的应用前景。
【IPC分类】G06T7/00
【公开号】CN105139410
【申请号】CN201510577886
【发明人】汤旭翔, 傅均, 陈赛, 陈柳柳, 曹海洋
【申请人】浙江工商大学
【公开日】2015年12月9日
【申请日】2015年9月11日