基于病灶容积测量的mri自动图像分割方法
【技术领域】
[0001] 本发明设及一种图像处理技术，尤其是设及一种基于病灶容积测量的 MRI(Ma即eticResonanceImaging,磁共振成像）自动图像分割方法。
【背景技术】
[0002] 多发硬化疾病是中枢神经系统的脱髓銷疾病，多见于北美及欧洲，估计全世界至 少有300~400万患者，占神经系统疾病发病率的6%~10%，近年来日本和中国的报道日 趋增多。
[0003] 磁共振成像是多发硬化疾病临床诊断和治疗唯一的、有效的影像学评价方法。目 前，对于经验丰富的放射科医生确定MRI扫描图像中的灰白质病灶通常采用W下两种方 法，第一种方法：在MRI扫描图像的连续层面手动圈定病灶的感兴趣区域（R0I，regionof interesting);第二种方法：在MRI扫描图像分析工作站，使用图像分析软件的模糊聚类 技术对多发硬化疾病病人的矢状位的MRI扫描图像进行多通道的（如二通道或=通道或 四通道）脑组织分割，具体过程为：首先从每幅MRI扫描图像中分离出不同脑组织和背景 (噪声）各自的感兴趣区域（R0I，regionofinteresting);接着采用非线性各向异性散 布滤波器（nonlinearanisotropicdiffusionfilter)对每幅MRI扫描图像中的不同脑 组织和背景（噪声）各自的感兴趣区域进行滤波处理，W消除噪声平滑图像，增强和探测 图像中的目标边界；之后对每个滤波处理后的感兴趣区域进行二值化处理，建立对应的模 板（mask)，再利用该模板从原始的MRI扫描图像中提取出不同结构的大脑结构图；再自动 融合所有MRI扫描图像各自对应的大脑结构图，得到一个根据像素值而建立的综合脑分 割图像的彩色图；最后采用动态模糊K-均值聚类算法（FKM，化zzyK-meansClustering Algorithm)对彩色图实施分割。上述两种方法各自存在缺陷，第一种方法的缺陷有：1)由 于是手动圈定病灶，因此该方法大多用在比较复杂的场合；2)手动圈定病灶严重依赖操作 人员的病灶判断经验，因此并不适合大部分缺乏相关专业知识的操作人员去使用；3)该方 法由于采用手动圈定病灶，因此分割效率很低，不适合大批量图像分割作业，严重阻碍了该 方法的普及和推广；第二种方法的缺陷有：由于MRI扫描图像中的非脑组织如烦骨、眼球和 肌肉等及背景噪声的信号强度与脑组织的信号强度有一定重叠，因此利用动态模糊K-均 值聚类算法分割会产生误分现象，而误分会直接影响病例的判断准确性，误判对于病人及 家属来说是不可W接受的，也是大部分医患矛盾产生的根源。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种基于病灶容积测量的MRI自动图像分割 方法，其分割过程简单，且分割效率高、分割精度高，运算量少。
[0005] 本发明解决上述技术问题所采用的技术方案为：一种基于病灶容积测量的MRI自 动图像分割方法，其特征在于包括W下步骤：
[0006] ①获取一幅来自医院的MRI医学影像设备的MRI扫描图像作为待分割的MRI扫描 图像，然后将待分割的MRI扫描图像转换为灰度图像；
[0007] ②假设该灰度图像的宽度和高度对应为WXH，那么如果WXH能够被UXU整除，贝U将该灰度图像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 UXU 尺寸大小为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定义为当前灰度图像，然后将当前灰度图像划分成 IV 'xir -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 11X11 的宽度和高度，W' = =W且H'〉H或r〉W且H' = =H或r〉W且H'〉H;
[0008] ③采用标记分水岭分割算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；
[0009] 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；
[0010] ⑥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；
[0011] ⑧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，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；
[0012] 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⑧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；
[0013] ⑨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⑥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MRI扫描图像的自动分割。
[0014] 所述的步骤②中的uXu取5X5。
[001引 所述的步骤⑧中的非线性优化模型为^ = '4"ill(如x,/,;"+^iO十"iXg(0 + /?xwH"3+^/^x卵，. 其中，^表示非线性优化模型输出的信噪比，S为布朗粒子的运动坐标，t为布朗粒子的运 玻' 动时间，A为固定周期信号的幅度，f。为固定周期信号的频率，11)为固定周期信号的初相 位，m和n均为双稳态势垒实参数，g(t)表示非线性优化模型的输入参数，a为噪声强度， 写（t)为均值为0的高斯白噪声。
[0016] 所述的步骤⑧中事先存储于数据库中的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：
[0017] ⑧-1、选取一幅具有明显病灶的MRI扫描图像，然后将该具有明显病灶的MRI扫描 图像转换为灰度图像，其中，该具有明显病灶的MRI扫描图像的来源与步骤①中的MRI扫描 图像的来源一致；
[001引⑧-2、假设该灰度图像的宽度和高度对应为WXH，那么如果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个互 '议乂站 不重叠的尺寸大小为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 UXU 的灰度图像的宽度和高度，W'= =W且H'〉H或r〉W且H'= =H或r〉W且H'〉H;
[0019]⑧-3、手动圈定待处理灰度图像中的每个病灶区域；
[0020] ⑧-4、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。
[0021] 与现有技术相比，本发明的优点在于：
[0022] 1)由于标记分水岭分割算法具有分割精度高、效率高、误差小等优势，其对目标物 体连接在一起的图像能够取得比较好的分割效果，因此本发明方法采用标记分水岭分割算 法对灰度图像进行初步分割，不仅分割得到的初步病灶区域的准确度高，而且分割效率高。 [002引。本发明方法在初步分割后，利用非线性优化模型进行优化，因此只需一次分割 再结合优化就能得到准确的病灶区域，分割过程简单，分割效率高，且运算量少，适合大批 量图像分割作业。
[0024] 3)本发明方法能够实现自动分割，既适用于简单的场合，又适用于复杂的场合。
[00巧]4)本发明方法不依赖于医生的能力与经验，普通技术水平的医生经过简单操作就 可W获取MRI扫描图像分割的目标。
【附图说明】
[0026] 图1为本发明方法的总体实现框图；
[0027] 图2为一幅S维脑部MRI扫描图像；
[0028] 图3为利用本发明方法对图2所示的S维脑部MRI扫描图像进行处理后的效果 图。
【具体实施方式】
[0029]W下结合附图实施例对本发明作进一步详细描述。
[0030]本发明提出的一种基于病灶容积测量的MRI自动图像分割方法，其总体实现框图 如图1所示，其包括W下步骤：
[0031]①获取一幅来自医院的MRI医学影像设备的MRI扫描图像作为待分割的MRI扫描 图像，然后将待分割的MRI扫描图像转换为灰度图像。
[003引②假设该灰度图像的宽度和高度对应为WXH，那么如果WXH能够被UXU整除，贝U M/X/ / 将该灰度图像定义为当前灰度图像，然后直接将当前灰度图像划分成一^个互不重叠的 I!乂!J 尺寸大小为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 UXU 的宽度和高度，W' = =W且H'〉H或r〉W且H' = =H或r〉W且吐〉H。
[0033] 在本实施例中，uXu取5X5。
[0034] 在本实施例中，扩展灰度图像直接采用现有技术，一般在原始的灰度图像的最右 侧补充若干列像素点（原始的灰度图像的宽度不能被U整除，而高度能够被U整除的情况） 或在原始的灰度图像的最下侧补充若干行像素点（原始的灰度图像的宽度能够被U整除， 而高度不能被U整除的情况）或在原始的灰度图像的最右侧补充若干列像素点且在原始的 灰度图像的最下侧补充若干行像素点（原始的灰度图像的宽度不能被U整除且高度也不能 被U整除的情况），且补充的所有像素点的像素值为0或255。
[0035] ③采用现有的标记分水岭分割算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。
[0036] 标记