[发明专利]一种半自动脑部图像分割方法

说明书

本发明公开了一种半自动脑部图像分割方法，具体包括以下步骤：首先使用图谱配准和模板选择方法来获得目标组织的形状先验信息，并生成分割模板；其次采用模板优化方法来减少图谱配准过程中产生的误差，并生成初始活动轮廓；最后使用主动轮廓模型来分割目标组织。本发明结合了图谱配准方法和活动轮廓分割方法的优点，实现了脑部图像的半自动分割。本发明方法有效的利用了图谱的形状先验信息，并且能获得光滑连续的目标组织轮廓。

技术领域

本发明涉及图像分割技术领域，特别涉及一种基于MR图像的半自动脑组织分割方法。

背景技术

脑部图像分割对于脑组织疾病诊断和治疗至关重要，脑部图像分割技术也是大脑三维重建和病灶定量分析的基础。图像分割的准确性直接影响病灶组织的定位、病灶组织形状和大小的测量，以及脑组织疾病临床诊断和治疗计划的制定。

基于主动轮廓算法的图像分割方法表达式简单、计算效率高，并且可以获得平滑连续的目标组织轮廓。近几十年来，主动轮廓算法已广泛应用于图像边缘检测，医学图像分割和运动跟踪领域中，但是基于主动轮廓算法的图像分割方法对初始活动轮廓比较敏感，导致初始活动轮廓的设定比较困难。

近些年来，基于图谱的分割方法已成为图像分割的基本工具。基于图谱的分割方法可以将图谱的先验信息传递到目标图像，并且能获得较高的分割精度。基于图谱的分割方法能够有效利用图谱的先验信息，因此被广泛应用于自动或半自动图像分割领域中，但是该方法获得的组织轮廓不平滑。

因此结合主动轮廓算法和基于图谱的分割方法来建立一个高效的、分割结果优的自动或半自动脑部图像分割方法尤为重要。

发明内容

本发明的目的在于提供一种半自动脑部图像分割方法，首先使用图谱配准和模板选择方法来获得目标组织的形状先验信息，并生成分割模板；其次采用模板优化方法来减少图谱配准过程中产生的误差，并生成初始活动轮廓；最后使用活动轮廓模型来分割目标组织。

本发明为解决上述问题采取的技术方案是：

一种半自动脑部图像分割方法，所述方法具体实现过程为：

步骤一、图谱配准：

给定目标组织的图谱，所述图谱包含N张图谱灰度图像F_i(i＝1,2…N)和与图谱灰度图像相对应的图谱标签图像L_i(i＝1,2…N)，所述图谱标签图像L_i为手动从图谱灰度图像F_i中标记出目标组织的图像，然后采用基于仿射变换的配准方法将目标图像T与每张图谱灰度图像F_i进行配准，得到每张图谱灰度图像F_i的变形场；

步骤二、模板选择：

测量形变后的图谱灰度图像F_i′与目标图像T之间的相似度，选出相似度值最大的图谱灰度图像F_m(m为相似度值最大的图谱灰度图像的标号)，然后采用步骤一中得到的F_m的变形场对与F_m相对应的图谱标签图像L_m进行形变，将形变后的图谱标签图像L′_m作为分割模板；

步骤三、模板优化：

因为采用了基于仿射变换的图谱配准方法，由于配准精度限制导致选出的分割模板L′_m与目标图像T之间存在较大误差，因此要根据图像F_i和图像T的灰度信息和梯度信息对分割模板L′_m进行优化，并获取用于主动轮廓分割步骤的初始活动轮廓；

步骤四、主动轮廓分割：

使用主动轮廓分割方法驱动初始活动轮廓变形，最终获得目标组织轮廓。