一种基于atlas的头部MRI图像分割方法技术

一种基于atlas的头部MRI图像分割方法，涉及医学图像分割技术领域。本发明专利技术为了解决医生手动分割图像耗时久，并且对医生技术水平和经验有较大依赖的问题，提供了一种人体头部MRI图像自动分割方法。建立人体头部MRI图像的atlas图像库，所述的每个atlas图像中包含一幅灰度图像和一幅由医生从该灰度图中手动分割出的脑组织二值轮廓图，根据atlas图像库中的灰度图像与目标图像的相似性选出最佳模板，然后将模板中的二值轮廓图经变换后作为分割的初始轮廓曲线，最后采用主动轮廓法分割出脑组织轮廓。

【技术实现步骤摘要】
一种基于atlas的头部MRI图像分割方法
：本专利技术涉及医学图像分割
，特别涉及一种基于atlas的头部MRI图像自动分割方法。
技术介绍
：医学图像分割就是将目标组织从图像中提取出来，然后进行定量、定性的分析。目前广泛应用于疾病诊断，术前规划和介入手术术中导航领域中。传统的医学图像分割多为医生手动进行分割，不仅耗时久而且对医生的技术水平和经验有较大依赖。现有的分割技术分为半自动分割，和全自动分割。半自动分割仍是以人的经验为主要因素，目前提出的全自动分割方法大多只适用于特定的组织分割情况，并且对于边缘不清晰的区域可能会出现轮廓曲线不连续的情况。
技术实现思路
：本专利技术的目的是提供一种基于atlas的头部MRI图像自动分割方法，建立人体头部MRI图像的atlas图像库，所述的每个atlas图像中包含一幅灰度图像和一幅由医生从该灰度图中手动分割出的脑组织二值轮廓图，根据atlas图像库中的灰度图像与目标图像的相似性选出最佳模板，然后将模板中的二值轮廓图经变换后作为分割的初始轮廓曲线，最后采用主动轮廓法分割出脑组织轮廓。本专利技术为解决上述问题采取的技术方案是：一种基于atlas的头部MRI图像分割方法，所述方法的具体实现过程为：步骤一、建立人体头部MRI图像的atlas图像库，所述的每个atlas图像中包含一幅灰度图像Mi(v)和一幅由医生从Mi(v)中手动分割出的脑组织二值轮廓图步骤二、统计图像库中所有手动分割出的脑组织的灰度值取范围；步骤三、采用基于仿射变换的刚性配准将图像库中的每幅atlas灰度图Mi(v)(i＝1,2…n)分别与目标图像F(v)进行配准，并存储每个配准的变换参数ki,θi,Δxi,Δyi(i＝1,2…n)；步骤四、采用Dice评价算法计算变换后的灰度图T(Mi(v))与目标图像F(v)的相似性，按所得Dice值将atlas图像进行排列，将Dice值最大的atlas图像作为下一步的分割模板；步骤五、将步骤四选出的atlas图像中的二值轮廓图用步骤二所得变换参数ki,θi,Δxi,Δyi进行仿射变换，将变换后的图像映射到目标图像中作为脑组织分割的初始轮廓；步骤六、采用主动轮廓法分割脑组织。在步骤三中，所述刚性配准具体过程为：1)对atlas灰度图像进行仿射变换T(Mi(vj))＝kiRMi(vj)+Δti(1)T(Mi(vj))＝[xj′,yj′]T(2)Mi(vj)＝[xj,yj]T(3)Δti＝[Δxi,Δyi]T(5)式中Mi(vj)为灰度图像在位置vj处的灰度值，T(Mi(vj))为变换后的灰度图像在位置vj处的灰度值，Ri和Δti为变换矩阵，ki,θi,Δxi,Δyi为配准参数；2)使用平方差相似性测度(SSD)计算变换后的灰度图像T(Mi(v))与目标图像F(v)的相似性，SSD计算公式如下：ΩR为目标图像F(v)的像素集，|ΩR|表示目标图像F(v)中像素的总个数；3)优化配准参数ki,θi,Δxi,Δyi使SSD值最大，并存储当前配准参数。在步骤四中，所述Dice评价算法为：式中为像素值在步骤二中所统计的脑组织灰度值范围内的像素点集合。在步骤六中，使用主动轮廓法分割脑组织的具体过程为：1)建立snake主动轮廓模型：设目标轮廓曲线为：v(s)＝(x(s),y(s))，建立能量泛函，目标轮廓曲线为该泛函的局部极小值；式中为图像的内能项，由步骤四中所得的初始轮廓定义内能项的初值，α、β为权重参数，用于控制曲线的连续性和光滑性；Eext(v(s))为目标图像的图像能项，根据目标图像的灰度梯度信息来自动识别脑组织的轮廓边界，并对图像做高斯模糊处理用于去噪和扩大捕捉范围；Econ(v(s))为外加约束能，根据应用情况而定并没有普遍的形式；2)离散化初始轮廓曲线：将封闭的二值轮廓线以等间距h离散为一系列点v0,v1,v2…vn其中(v0＝vn,vj＝(xj,yj))，曲线离散后的能量泛函为：内能项表达式为：当满足公式(11)时，求得公式(9)的极小值；求解公式(11)令f(x,y)＝Eext，结合公式(11)和公式(12)得到关于x，y的线性方程组：AX+fx(x,y)＝0(13)AY+fy(x,y)＝0(14)假设公式(13)、公式(14)等式右边为x、y对时间的导数，当x、y稳定时，导数为0，则有：AXt+fx(Xt,Yt)＝-Xt′＝-(Xt-Xt-1)·γ(15)AYt+fy(Xt,Yt)＝-Yt′＝-(Yt-Yt-1)·γ(16)式中1/γ为时间步长，t为迭代次数；为了简化计算，假设外力在一个时间步长内是常值，即：fx(Xt-1,Yt-1)＝fx(Xt,Yt)(17)fy(Xt-1,Yt-1)＝fy(Xt,Yt)(18)整理公式(15)、公式(16)、公式(17)与公式(18)得到关于目标曲线x、y的迭代公式：Xt＝(A+γE)-1(γXt-1-fx(Xt-1,Yt-1))(19)Yt＝(A+γE)-1(γYt-1-fx(Xt-1,Yt-1))(20)3)分割过程a.给定参数α、β、γ；b.输入离散后的初始轮廓曲线；c.初始化迭代参数t＝1；X(0),Y(0)；d.计算目标图像的图像能对目标图像F做高斯模糊处理，然后据目标图像F的灰度梯度值检测脑组织边缘，所述目标图像的图像能计算公式如下：e.给定误差参数ε用公式|(Xt,Yt)-(Xt-2,Yt-2)|≤ε作为迭代终止条件；f.将上述步骤所得参数带入公式(19)、公式(20)中进行迭代计算，输出目标轮廓曲线。本专利技术有益效果：本专利技术的目的是提供一种自动的头部图像分割方法，只需使用者设定初始参数，分割过程完全由计算机实现，不需要依赖医生的技术水平和经验，避免图像分割结果受人的主观因素影响。本专利技术使用主动轮廓法分割脑组织，该方法通过驱动闭合的初始轮廓曲线向脑组织边界变形从而得到脑组织边缘轮廓，因此得到的边缘轮廓曲线也是闭合的，避免了传统分割方法可能出现的边缘不连续问题。本专利技术通过选择与目标图像最为相似的atlas二值轮廓图作为初始轮廓曲线，分割过程只需要驱动初始轮廓曲线进行小的变形，因此有更快分割速度和更精确的分割结果。本专利技术通过建立atlas图像库作为目标图像的分割模板，因此本专利技术一种基于atlas的头部MRI图像分割方法可以通过扩充所述atlas图像库来实现对更多的脑部组织分割情况，有更加广泛的适用性。附图说明：图1是本专利技术一种基于atlas的头部MRI图像分割方法的流程示意图。图2是一个atlas图像中的灰度图和分割出的二值轮廓图。图3是采用主动轮廓法分割脑组织流程示意图。图4是采用主动轮廓法分割脑组织的效果图。具体实施方式：如图1所示，本实施方式所述的一种基于atlas的头部MRI图像分割方法的具体实现过程为：步骤一、建立人体头部MRI图像的atlas图像库作为目标图像的分割模板，给定一幅目标图像F(v)，通过计算F(v)与图像库中灰度图像的相似性选择最佳atlas分割模板，如图2所示，所述的每个atlas图像中包含一幅灰度图像Mi(v)和一幅由医生从Mi(v)中手动分割出的脑组织二值轮廓图步骤二、统计图像库中所有手动分割出的脑组织的灰度值取范围。步骤三、由于目标图像与图像库中的灰度图像可能存在空间位置，角本文档来自技高网...

【技术保护点】
一种基于atlas的头部MRI图像分割方法，其特征在于：所述方法的具体实现过程为：步骤一、建立人体头部MRI图像的atlas图像库，所述的每个atlas图像中包含一幅灰度图像Mi(v)和一幅由医生从Mi(v)中手动分割出的脑组织二值轮廓图

【技术特征摘要】
1.一种基于atlas的头部MRI图像分割方法，其特征在于：所述方法的具体实现过程为：步骤一、建立人体头部MRI图像的atlas图像库，所述的每个atlas图像中包含一幅灰度图像Mi(v)和一幅由医生从Mi(v)中手动分割出的脑组织二值轮廓图步骤二、统计图像库中所有手动分割出的脑组织的灰度值取范围；步骤三、采用基于仿射变换的刚性配准将图像库中的每幅atlas灰度图Mi(v)(i＝1,2…n)分别与目标图像F(v)进行配准，并存储每个配准的变换参数ki,θi,Δxi,Δyi(i＝1,2…n)；步骤四、采用Dice评价算法计算变换后的灰度图T(Mi(v))与目标图像F(v)的相似性，按所得Dice值将atlas图像进行排列，将Dice值最大的atlas图像作为下一步的分割模板；步骤五、将步骤四选出的atlas图像中的二值轮廓图用步骤二所得变换参数ki,θi,Δxi,Δyi进行仿射变换，将变换后的图像映射到目标图像中作为脑组织分割的初始轮廓；步骤六、采用主动轮廓法分割脑组织。2.根据权利要求1所述一种基于atlas的头部MRI图像分割方法，其特征在于：在步骤三中，所述刚性配准具体过程为：1)对atlas灰度图像进行仿射变换T(Mi(vj))＝kiRMi(vj)+Δti(1)T(Mi(vj))＝[xj′,yj′]T(2)Mi(vj)＝[xj,yj]T(3)Δti＝[Δxi,Δyi]T(5)式中Mi(vj)为灰度图像在位置vj处的灰度值，T(Mi(vj))为变换后的灰度图像在位置vj处的灰度值，Ri和Δti为变换矩阵，ki,θi,Δxi,Δyi为配准参数；2)使用平方差相似性测度(SSD)计算变换后的灰度图像T(Mi(v))与目标图像F(v)的相似性，SSD计算公式如下：ΩR为目标图像F(v)的像素集，|ΩR|表示目标图像F(v)中像素的总个数；3)优化配准参数ki,θi,Δxi,Δyi使SSD值最大，并存储当前配准参数。3.根据权利要求1所述一种基于atlas的头部MRI图像分割方法，其特征在于：在步骤四中，所述Dice评价算法为：式中为图像灰度值在步骤二中所统计的脑组织灰度值范围内的像素点集合。4.根据权利要求1所述一种基于atlas的头部MRI图像分割方法，其特征在于：在步骤六中，使用主动轮廓法分割脑组织的具体过程为：1)建立snake主动轮廓模型：设目标轮廓曲线为：v(s)＝(x(s),y(s))，建立能量泛函，目标轮廓曲线为该泛函的局部极小值；式中为图像的内能项，由步骤四中所得的初始轮廓定义内能项的初值，α、β为权重参数，用于控制曲...

【专利技术属性】
技术研发人员：王沫楠，李鹏程，荆俊桐，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23