一种多发性硬化损伤区域分割方法
【专利摘要】本发明公开了一种多发性硬化损伤区域分割方法，包括以下步骤：对多序列核磁共振图像进行预处理；利用多项式逻辑回归方法对手动标记的训练样本进行学习；根据学习到的参数对预处理后的图像中的每个像素进行分类得到每个像素点属于不同组织的概率；结合分类概率和全变差正则项建立目标函数，通过连续最大流算法极小化目标函数得到多发性硬化损伤区域的中间分割结果；最后根据多发性硬化损伤的空间分布情况去除假阳性区域得到最终的损伤区域分割结果。本发明能够提高多发性损伤区域的分割精度，可应用于脑核磁共振 图像中病变区域的有效检测。
【专利说明】一种多发性硬化损伤区域分割方法
【技术领域】
[0001] 本发明属于医学图像处理领域，具体涉及MR序列图像的多发性硬化损伤区域分 割。
【背景技术】
[0002] 多发性硬化损伤是脑中枢神经系统和免疫有关的发炎以及去髓鞘疾病。受此疾病 的影响，神经纤维、神经元以及寡棘突细胞亦会受损。至今，多发性硬化损伤的诱因仍然不 明，据推测是受到一些引起该疾病发作的诱发因子的影响。为了研宄该病灶，核磁共振成像 (MRI)因可以提供较高的图像分辨率和软组织和其他部位的对比度被公认为检测和研宄多 发性硬化损伤的最优成像方法。对脑核磁共振图像进行分割已经成为多发性硬化损伤的临 床诊断以及分析研宄非常重要的一个环节。但是放射科医生手动分割海量的含硬化区域的 脑图像非常耗时。因此，非常有必要提出一种自动化的多发性硬化损伤区域的分割方法代 替放射科医生快速、有效地分割海量的医学数据。
[0003] 近年来，许多学者和专家提出了很多自动化以及半自动化的多发性硬化损伤区域 的分割方法。这些方法都是利用Tl权重序列、T2权重序列、质子密度权重序列（PD)、以及 液体衰减翻转回复序列（FLAIR)中的一种或多种序列作为待分割的数据。与只利用单一 序列进行分割相比，利用融合多序列图像信息指导多发性硬化损伤区域的分割方法更加有 效。而利用机器学习的方法对在融合图像中专家标记的特征进行学习，利用学习到参数对 后续的图像进行自动化分割是近年来医学图像分割领域非常热点的研宄方向。但对于核磁 共振图像，由于采集过程中的噪声、偏移场以及病人个体间差异，个体图像之间存在较大差 异。因此仅仅依赖单个体素的隶属度决定分割结果会导致对噪声和偏移场不鲁棒，进而影 响最终的分割准确度。
[0004] 因此，目前需要解决特征和空间信息联合驱动多发性硬化损伤区域分割的问题， 即在分割过程中充分考虑各个体素周围信息，将其与单个体素的隶属度相结合，抑制分割 过程中噪声以及部分偏移场对分割准确度的影响。
【发明内容】
[0005] 本发明的目的在于提供一种多发性硬化损伤区域分割方法，以减少噪声和偏移场 对多发性硬化损伤区域的分割精度的影响，从而提高多发性硬化损伤区域的分割准确度。
[0006] 为了解决以上技术问题，本发明通过对多模态的脑MRI序列图像进行多发性硬化 损伤区域的自动分割，以更准确地分割多发性硬化损伤区域，具体技术方案如下：
[0007] -种多发性硬化损伤区域分割方法，包括：对图像进行去壳、配准及灰度归一化的 预处理操作；对手动标记样本进行训练，得出最优参数；根据所述最优参数计算待分割图 像中的每个像素点隶属于多发性硬化损伤区域的概率和正常脑组织区域的概率；结合所述 的属于多发性硬化损伤区域的概率概率、属于正常脑组织区域的概率和全变差模型建立目 标函数；对所述目标函数进行极小化，得出多发性硬化损伤区域的分割结果；最后分割Tl 权重序列图像，计算多发性硬化损伤区域的中间分割结果和白质区域之间的重合度，去除 重合度低于30%的多发性硬化损伤区域的中间分割结果，得到多发性硬化损伤区域的最终 分割结果；其特征在于：
[0008] 所述结合属于多发性硬化损伤区域的概率概率、属于正常脑组织区域的概率和全 变差模
[0009] 型建立目标函数的具体方法如下：结合隶属度函数U和全变差模型建立所述目标 函数，形式如下
【权利要求】
1. 一种多发性硬化损伤区域分割方法，包括：对图像进行去壳、配准及灰度归一化的 预处理操作；对手动标记样本进行训练，得出最优参数；根据所述最优参数计算待分割图 像中的每个像素点隶属于多发性硬化损伤区域的概率和正常脑组织区域的概率；结合所述 的属于多发性硬化损伤区域的概率概率、属于正常脑组织区域的概率和全变差模型建立目 标函数；对所述目标函数进行极小化，得出多发性硬化损伤区域的分割结果；最后分割Tl 权重序列图像，计算多发性硬化损伤区域的中间分割结果和白质区域之间的重合度，去除 重合度低于30%的多发性硬化损伤区域的中间分割结果，得到多发性硬化损伤区域的最终 分割结果；其特征在于： 所述结合属于多发性硬化损伤区域的概率概率、属于正常脑组织区域的概率和全变差 模型建立目标函数的具体方法如下：结合隶属度函数u和全变差模型建立所述目标函数， 形式如下
X表示像素点，D1表示多发性硬化损伤区域，p(XeΩ〇表示像素点属于多发性硬化 损伤区域的概率，表示像素点属于正常脑组织区域的概率。
2. 根据权利要求1所述的一种多发性硬化损伤区域分割方法，其特征在于： 所述对手动标记样本进行训练得出最优参数的方法为：使用训练样本训练多项式逻辑 回归分类器； 所述每个像素点隶属于多发性硬化损伤区域的概率和正常脑组织区域的概率的计算 方法为：根据最优参数计算待分割的图像中的像素属于多发性硬化损伤区域的概率、脑白 质区域的概率、脑灰质区域的概率和脑脊液区域的概率；将像素点属于脑白质区域的概率、 脑灰质区域的概率和脑脊液区域的概率相加即得像素点属于所述正常脑组织区域的概率。
3. 根据权利要求1所述的一种多发性硬化损伤区域分割方法，其特征在于：对所述目 标函数进行极小化的方法如下：利用连续最大流算法实现快速计算隶属度函数，并根据隶 属度函数的值计算出多发性硬化损伤区域的中间分割结果。
【文档编号】G06T7/00GK104463885SQ201410789964
【公开日】2015年3月25日 申请日期:2014年12月18日 优先权日:2014年12月18日
【发明者】詹天明, 詹永照 申请人:江苏大学