基于模糊C均值和概率标签融合的图像分割方法及系统技术方案

本公开公开了基于模糊C均值和概率标签融合的图像分割方法及系统，包括：利用以超像素为聚类中心的模糊C均值算法，对获取的大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果；基于多模态概率标签融合算法，对不同模态图像的初始病灶分割结果进行概率标签融合，得到最终的病灶分割结果。使用基于超像素的改进的模糊C均值算法进行了核磁共振图像的各个模态的分割。融合不同模态的分割优势，生成最优分割结果。核磁图像的三个模态的分割各有优势，本方法融合不同模态的分割结果，得到更加精确的分割效果。

Image segmentation method and system based on fuzzy c-means and probability label fusion

【技术实现步骤摘要】
基于模糊C均值和概率标签融合的图像分割方法及系统
本公开涉及医学图像处理
，特别是涉及基于模糊C均值和概率标签融合的图像分割方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。多发性硬化症(MultipleSclerosislesion，MSlesion)是人类中枢神经系统中常见的、慢性的退行性疾病。主要病症包括四肢麻木无力、不协调、头晕或视觉功能有损伤等。根据最新的流行病学研究，多发性硬化症的发病率在世界范围内一直在增加。因为核磁共振成像(MagneticResonanceImaging,MRI)对于检测多发性硬化症病灶高度敏感并且可以定量评估病变体积，所以核磁共振图像成为诊断多发性硬化症、评估疾病侵害和监控术后治疗效果的最重要的医学工具。尽管核磁共振图像可以清晰地辨别脑白质、脑灰质、脑脊液和一些神经组织，但会受到组织间的低对比度，噪音和灰度不均匀的影响。所以准确地自动分割大脑核磁共振图像中的多发性硬化症在病灶的定量分析以及临床试验中起着至关重要的作用。目前，针对大脑核磁共振图像本文档来自技高网...

【技术保护点】
1.基于模糊C均值和概率标签融合的图像分割方法，其特征是，包括：/n利用以超像素为聚类中心的模糊C均值算法，对获取的大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果；/n基于多模态概率标签融合算法，对不同模态图像的初始病灶分割结果进行概率标签融合，得到最终的病灶分割结果。/n

【技术特征摘要】
1.基于模糊C均值和概率标签融合的图像分割方法，其特征是，包括：
利用以超像素为聚类中心的模糊C均值算法，对获取的大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果；
基于多模态概率标签融合算法，对不同模态图像的初始病灶分割结果进行概率标签融合，得到最终的病灶分割结果。


2.如权利要求1所述的方法，其特征是，利用以超像素为聚类中心的模糊C均值算法对大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果；具体步骤包括：
对大脑核磁共振图像进行图像分割处理，得到含有超像素的大脑核磁共振图像；
使用以超像素为聚类中心的模糊C均值算法，对大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果。


3.如权利要求1所述的方法，其特征是，利用以超像素为聚类中心的模糊C均值算法对大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果步骤之前，还包括：
获取原始大脑核磁共振图像，对原始大脑核磁共振图像进行预处理，得到尺寸一致、只含有大脑颅内空间和灰度偏差小于设定阈值的大脑核磁共振图像。


4.如权利要求3所述的方法，其特征是，所述对原始大脑核磁共振图像进行预处理；具体步骤包括：
对原始大脑核磁共振图像进行下采样处理；
对下采样处理后的图像进行颅骨剥离处理，得到去除非脑体素的核磁共振图像；
对去除非脑体素的核磁共振图像进行灰度归一化处理，得到预处理后的大脑核磁共振图像。


5.如权利要求2所述的方法，其特征是，对大脑核磁共振图像进行图像分割处理，得到含有超像素的大脑核磁共振图像；是指采用改进的SLIC超像素算法对大脑核磁共振图像进行图像分割处理，得到含有超像素的大脑核磁共振图像；或者，
对大脑核磁共振图像进行图像分割处理，得到含有超像素的大脑核磁共振图像；具体步骤包括：
利用大脑核磁共振图像像素点的密度产生初始聚类中心；
赋值阶段，在灰度距离和空间距离度量的基础上，引入像素梯度信息度量为脑核磁共振图像中的像素点分配类标签；
更新阶段，使用与上一次聚类中心的灰度差值小于或等于图像灰度标准差...

【专利技术属性】
技术研发人员：王晶晶，刘美如，高军，任金雯，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37