[发明专利]一种脑部核磁共振图像组织分割方法有效
申请号: | 201810435869.7 | 申请日: | 2018-05-09 |
公开(公告)号: | CN108460783B | 公开(公告)日: | 2019-03-12 |
发明(设计)人: | 高婧婧 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T7/149 | 分类号: | G06T7/149 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 何凡 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 核磁共振图像 偏移场 分割 脑部 校正 分割结果 最大期望 负面影响 灰度均衡 能量函数 图像输入 不均衡 初始化 脑组织 有效地 灰度 级联 图像 网络 | ||
1.一种脑部核磁共振图像组织分割方法,其特征在于,包括以下步骤,
S1、将脑部核磁共振图像输入VoxResnet深度网络,进行组织预分割,并获得初步分割结果;
S2、根据初步分割结果,进行偏移场校正并获得校正后的真实图像;
S3、利用最大期望法对校正后真实图像进行分割处理,得到最终的脑组织分割结果;
所述步骤S2具体为:
S21、建立灰度不均衡的脑部MR图像数学模型;
S22、根据脑部MR图像数学模型建立灰度不均衡的脑部MR图像的能量函数;
S23、以初步分割结果为基础,求出对应的能量函数中的每种脑组织的灰度平均值Ci和对应的基函数的系数W;
S24、根据Ci、W和脑部MR图像的能量函数,计算得到偏移场b(x,y,z)和偏移场校正后的真实图像;
所述步骤S21中:
灰度不均衡的脑部MR图像数学模型为:
式中,I(x,y,z)是观测得到的图像在三维MR图像中位于体素(x,y,z)处的灰度值;
b(x,y,z)是偏移场在体素(x,y,z)处的值;
J(x,y,z)是未受到灰度不均衡污染的图像位于体素(x,y,z)处的灰度值;
n(x,y,z)表示位于体素(x,y,z)处的噪声值;
且
gi(x,y,z)是正交基函数;
wi是基函数gi(x,y,z)的系数;
ci为第i类组织的灰度值;
ui(x,y,z)为隶属度函数,其定义为:且
2.根据权利要求1所述的脑部核磁共振图像组织分割方法,其特征在于,所述步骤S22中:
脑部MR图像的能量函数为,
将所述能量函数表示为向量的形式为:
式中,WTG(x,y,z)=b(x,y,z);
CTU(x,y,z)=J(x,y,z),C=(c1,c2,c3)T;
W=(w1,w2,...,wm)T;
G(x,y,z)=(g1(x,y,z),g2(x,y,z),...,gm(x,y,z))T;
U(x,y,z)=(u1(x,y,z),u2(x,y,z),u3(x,y,z))T。
3.根据权利要求2所述的脑部核磁共振图像组织分割方法,其特征在于,所述步骤S23中:所述Ci的取值为隶属度函数ui(x,y,z)非零区域对应的核磁共振图像的灰度平均值;
根据拉格朗日乘数法得到所述基函数的系数的计算公式为:
W=(V)-1S (4)
式中,
4.根据权利要求3所述的脑部核磁共振图像组织分割方法,其特征在于,所述步骤S24中:
根据公式(3)和公式(4),得到偏移场b(x,y,z)的计算公式为:
b(x,y,z)=(W)TG(x,y,z) (5)
根据公式(1)和公式(5),得到校正后的真实图像J(x,y,x)的计算公式为:
J(x,y,x)=I(x,y,x)/b(x,y,x)=I(x,y,x)/((W)TG(x,y,x)) (6)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810435869.7/1.html,转载请声明来源钻瓜专利网。