一种结合MRF能量和模糊速度的乳腺癌图像分割方法技术

本发明专利技术提供了一种结合MRF能量和模糊速度的乳腺癌图像分割方法。该方法包括：对患者的患病乳腺进行乳腺动态增强核磁共振成像，获得乳腺动态增强核磁共振图像；通过对乳腺动态增强核磁共振图像构建二维MRF，将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分，然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项；结合Gabor纹理特征、乳腺动态增强核磁共振时域特征和灰度信息计算模糊速度函数中的模糊隶属度；结合活动轮廓模型的区域项和模糊速度函数中的模糊隶属度，对乳腺动态增强核磁共振图像精确分割出乳腺癌灶。本发明专利技术解决了DCE‑MRI图像中乳腺癌灶边界模糊、对比度低和亮度不均匀的问题。

A Breast Cancer Image Segmentation Method Combining MRF Energy and Fuzzy Velocity

【技术实现步骤摘要】
一种结合MRF能量和模糊速度的乳腺癌图像分割方法
本专利技术属于图像分析
，特别是涉及一种结合MRF能量和模糊速度的乳腺癌图像分割方法。
技术介绍
乳腺癌是现代女性最常见的恶性肿瘤之一，严重威胁着女性患者的身心健康。如今，乳腺癌检测技术主要有乳腺X线摄影术和乳腺磁共振成像技术。乳腺X线摄影术的原理是利用X射线的物理特性进行投影成像，得到全乳的二维图像。其对非致密腺体的女性具有高敏感度，但在具有高密度腺体组织的乳房诊断价值不大。乳腺动态增强核磁共振成像(DynamicContrast-EnhancedMagneticResonanceImaging,DCE-MRI)是一种以病变区和正常组织中的微血管系统为生理基础的无辐射磁共振功能成像技术。患者在注射增强对比剂后，由于乳腺癌病灶比正常组织具有更高的血管密度，在注射增强对比剂后的前中期乳腺癌病灶的强化程度更高。DCE-MRI与X线摄影相比，DCE-MRI对乳腺癌病灶的检出不受腺体密度的影响，能够反映病变内部血流特征，且对早期乳腺癌的敏感性、乳腺癌的分期和病变范围的一致性都优于X线摄影。是进行乳腺癌研究的主要影像手段。在DCE-MRI图像上，乳腺癌病灶表现为肿块型或非肿块型。由于乳腺癌灶大多沿腺体分布，导致非肿块型乳腺癌病灶的形态极其不规则，肿瘤区域边界模糊且对比度低，对乳腺癌灶的准确分割带来了极大困难。目前，国内外研究学者已经对乳腺癌灶分割算法进行了大量的研究，主要的方法包括边界活动轮廓模型(ActiveContourModel,ACM)分割算法和区域活动轮廓模型分割算法。ACM方法的主要思想是建立一个能量函数，使得模型在内力和外力的共同作用下驱动活动轮廓曲线演化，当能量函数达到最小时，轮廓曲线演变到目标边界，完成分割任务。边界ACM方法依据图像的梯度信息构建边界停止函数，在目标边界处速度函数为零并停止演变；区域ACM方法依据目标边界内外的区域信息构建能量函数并驱动轮廓曲线演变。但是现有的方法也没有解决DCE-MRI图像中乳腺癌灶边界模糊、对比度低和亮度不均匀等问题。
技术实现思路
鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种结合MRF能量和模糊速度的乳腺癌图像分割方法。为了解决上述问题，本专利技术实施例公开了一种结合MRF能量和模糊速度的乳腺癌图像分割方法，包括以下步骤：S1、对患者的患病乳腺进行乳腺动态增强核磁共振成像，获得乳腺动态增强核磁共振图像；S2、通过对S1中获得的乳腺动态增强核磁共振图像构建二维MRF，将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分，然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项；S3、结合Gabor纹理特征、乳腺动态增强核磁共振时域特征和灰度信息计算模糊速度函数中的模糊隶属度；S4、结合S2中构建的活动轮廓模型的区域项和S3中计算的模糊速度函数中的模糊隶属度，对S1中获得的乳腺动态增强核磁共振图像精确分割出乳腺癌灶。优选地，所述活动轮廓模型的区域项表示为：E1(φ)＝∫Ωp(1|wxy,θ)H(φ(x,y))+p(2|wxy,θ)[1-H(φ(x,y))]dxdy；其中H(·)是Heaviside函数，H(φ)＝0.5*[1+0.5πarctan(φ/ε)]，参数ε控制H(φ)从0上升到1的快慢。优选地，S3中所述乳腺动态增强核磁共振时域特征为注射增强对比剂后的T1期和T3期计算信号增强比率作为DCE-MRI时域特征，表示为：其中，fT1(x,y)和fT3(x,y)分别是T1期和T3期在像素点(x,y)处的灰度值，t是T1期至T3期的时间。优选地，像素(x,y)的模糊速度函数定义为：其中，α为常数；活动轮廓模型中，边缘检测项E2(C)可以定义为：其中，是H(φ)的导数，也称为Diracdelta函数。本专利技术实施例包括以下优点：本专利技术的乳腺癌图像分割方法解决了DCE-MRI图像中乳腺癌灶边界模糊、对比度低和亮度不均匀等问题，通过MRF能量和模糊速度函数的活动轮廓模型方法来完成乳腺癌DCE-MRI图像分割。主要工作包括以下两个方面：(1)通过对乳腺DCE-MRI图像构建二维MRF，将图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分。然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项。(2)结合Gabor纹理特征、DCE-MRI时域特征和灰度信息计算模糊速度函数中的模糊隶属度。由于乳腺癌灶具有边界模糊的特点，边界处的梯度与非边界处梯度变化并不明显，采用梯度信息构造边界检测函数易造成边界泄露，本专利技术避免采用梯度信息构建边界检测函数，而是利用乳腺癌灶边界处的模糊特性计算模糊速度函数，提出基于模糊速度函数的边界停止函数。当轮廓曲线位于乳腺癌灶的边界时，该模糊速度函数为零，活动轮廓曲线停止演变。附图说明图1是本专利技术的流程图；图2是乳腺癌灶的MRF能量分布图和后验概率分布图；图3是乳腺肿瘤图像纹理分析；图4是RateT1-T3特征图；图5是模糊速度函数；图6是肿块形乳腺癌分割结果对比。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。实施例一参照图1，示出了本专利技术的一种结合MRF能量和模糊速度的乳腺癌图像分割方法的流程图，具体可以包括如下步骤：S1、对患者的患病乳腺进行乳腺动态增强核磁共振成像，获得乳腺动态增强核磁共振图像；S2、通过对S1中获得的乳腺动态增强核磁共振图像构建二维MRF，将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分，然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项；S201、活动轮廓模型的能量函数定义：在活动轮廓模型中，通常假设C是一条封闭的轮廓曲线，曲线C将图像区域Ω划分为：曲线内部区域Ω1和曲线外部区域Ω2。活动轮廓模型的能量函数可以定义为：E(C,φ)＝μE1(φ)+λE2(C)+γE3(φ)(1)其中，E1(φ)是控制轮廓曲线演变的区域项，E2(C)是控制轮廓曲线边界演化的边缘检测项，E3(φ)是控制轮廓曲线平滑程度的惩罚项，μ、λ和γ分别是控制区域项、边界检测项和惩罚项的权重参数，在本实施例中μ、λ和γ的取值都为1。φ是水平集函数。S202、结合MRF能量和后验概率的活动轮廓模型区域项：由于DCE-MRI图像主要反映乳腺腺体供血变化情况，癌灶组织通常以肿块形式散布于正常腺体中，在图像上表现出空间聚类特性。MRF能量在增强目标区域与背景对比度的同时，也考虑像素间的空间相关性。这一特点符合乳腺癌灶在DCE-MRI图像中的空间分布情况。在计算MRF能量时，通常把图像看作一个二维的MRF，构造MRF需要建立两个场：标记场和特征场。标记场是用来对待测图像进行分类标记，特征场是对已分类的区域进行特征分析。给定大小为M×N图像，内部的像素点集合用S表示且S＝{(x,y)|1≤x≤M,1≤y≤N}；特征场用A＝{as,s∈S}表示，任意像素点所对应的特征场的值为as；标记场用B＝{bs,s∈S}表示，任意像素点所对应的标记场的值为bs；相空间用Λ＝{1,2,…,L}本文档来自技高网...

【技术保护点】
1.一种结合MRF能量和模糊速度的乳腺癌图像分割方法，其特征在于，该方法包括以下步骤：S1、对患者的患病乳腺进行乳腺动态增强核磁共振成像，获得乳腺动态增强核磁共振图像；S2、通过对S1中获得的乳腺动态增强核磁共振图像构建二维MRF，将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分，然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项；S3、结合Gabor纹理特征、乳腺动态增强核磁共振时域特征和灰度信息计算模糊速度函数中的模糊隶属度；S4、结合S2中构建的活动轮廓模型的区域项和S3中计算的模糊速度函数中的模糊隶属度，对S1中获得的乳腺动态增强核磁共振图像精确分割出乳腺癌灶。

【技术特征摘要】
1.一种结合MRF能量和模糊速度的乳腺癌图像分割方法，其特征在于，该方法包括以下步骤：S1、对患者的患病乳腺进行乳腺动态增强核磁共振成像，获得乳腺动态增强核磁共振图像；S2、通过对S1中获得的乳腺动态增强核磁共振图像构建二维MRF，将乳腺动态增强核磁共振图像的灰度信息转化为MRF能量，加强乳腺癌灶和正常腺体的区分，然后在MRF能量图上计算每个像素点的后验概率，构建活动轮廓模型的区域项；S3、结合Gabor纹理特征、乳腺动态增强核磁共振时域特征和灰度信息计算模糊速度函数中的模糊隶属度；S4、结合S2中构建的活动轮廓模型的区域项和S3中计算的模糊速度函数中的模糊隶属度，对S1中获得的乳腺动态增强核磁共振图像精确分割出乳腺癌灶。2.根据权利要求1所述的MRF能量和模糊速度的乳腺癌图像分割方法，其特征在于，所述活动轮廓模型的区域项表示为：E1(φ)＝∫Ωp(1|wxy,θ)H(φ(x,y))+...

【专利技术属性】
技术研发人员：冯宝，何婧，刘壮盛，陈业航，李智，罗学毛，龙晚生，
申请(专利权)人：江门市中心医院，桂林航天工业学院，
类型：发明
国别省市：广东,44