[发明专利]一种利用先验知识的人类外侧膝状体自动分割方法

摘要

本发明公开了一种利用先验知识的人类外侧膝状体LGN自动分割方法。该方法首先将人脑的结构像数据进行偏场校正，然后将经过校正的图像进行大脑子结构的分割从而得到腹侧间脑区的模板。接着将校正过的结构像数据和腹侧间脑区的模板配准到MNI标准空间。根据外侧膝状体解剖结构的先验知识得到LGN在MNI空间内的区域界限，接着在这个区域内分别用区域增长法、k均值法、大津算法和图割法在分割出LGN。然后用将几种分割结果融合得到LGN区域的估计值作为分割结果。最后将分割结果变换到结构像的原始空间，即为LGN的最终分割结果。

主权项

一种利用先验知识的人类外侧膝状体LGN自动分割方法，该方法包括如下步骤：步骤S1：将人脑的结构像数据进行不均匀场校正；步骤S2：将校正过的结构像配准到MNI标准空间；步骤S3：利用LGN解剖结构的先验知识得到LGN在MNI空间内的大致区域，记为LGN先验知识模板；步骤S4：在所述区域内分别用区域增长法、k均值法、大津算法和图割法进行分割；步骤S5：将几种分割算法融合得到LGN区域的估计值作为分割结果；步骤S6：将估计的LGN分割结果变换到结构像的原始空间，得到LGN的最终分割结果；其中，所述步骤S5中将四种分割算法融合来估计出LGN的真实分割，步骤包括：步骤S5a：构造LGN分割的似然估计函数；步骤S5b：利用EM算法进行最大化估计得到LGN分割的估计值；在步骤S5a中构造LGN分割的似然估计函数过程是：步骤S4将LGN先验知识模板中的所有体素用四种分割算法独立赋予类标志Label，Label∈{0，1}，对于某体素i，i＝1，2，…，N，T(i)为其真实类标志，记Dm(i)为第m种分割算法赋予第i个体素的类标志，将先验知识模板区域中的N个体素的四种分割结果组成N×4维的决策矩阵D，记p＝[p1，p2，p3，p4]T和q＝[q1，q2，q3，q4]T，pj和qj代表第j种分割算法的敏感度和灵敏度，其中，j＝1，2，3，4，分别用(D，T)和f(D，T|p，q)来表示图像分割的完全数据和其概率分布函数，而似然估计函数则为ln[f(D，T|p，q)]；在步骤S5b中利用EM算法中第k次迭代的E步骤计算公式为Wi(k)=ai(k)ai(k)+bi(k)]]>这个式子用来估算第i个体素被标记为1的概率Wi(k)，其中ai(k)=f(Ti=1)Πj:Dij=1pj(k)Πj:Dij=0(1-pj(k)),]]>bi(k)=f(Ti=0)Πj:Dij=0qj(k)Πj:Dij=1(1-qj(k)),]]>这里f(Ti＝1)和f(Ti＝0)分别表示第i个体素真实标志是1和0的概率，其中，i＝1，2，…，N；Dij是N×4维决策矩阵D中的元素，其中Dij中的i＝1，2，…，N；j＝1，2，3，4，k是迭代次数，循环迭代，直至Wi(k)，p(k)和q(k)收敛，步骤S5b中利用EM算法中第k次迭代的M步骤计算公式为pj(k+1)=Σi:Dij=1Wi(k)ΣiWi(k)qj(k+1)=Σi:Dij=0(1-Wi(k))Σi(1-Wi(k))]]>这两个式子用来估计第k+1次迭代中使用的敏感度p(k+1)和灵敏度q(k+1)，其中Wi(k)是第i个体素被标记为1的概率，Dij是N×4维决策矩阵D中的元素，其中Dij中的i＝1，2，…，N；j＝1，2，3，4，k是迭代次数，循环迭代，直至Wi(k)，p(k)和q(k)收敛，步骤S5b中先将Wi(k)，p(k)和q(k)初始化，然后利用E步骤和M步骤的算式计算，循环迭代，直至收敛，最后利用阈值0.5将Wi(k)二值化，若Wi(k)＞0.5则第i个体素在LGN区域内，反之，则第i个体素不在LGN区域内。