一种基于ITK脑部MRI混合分割方法的设计与实现

背景:由于脑部MR图像中信息对比度不高,各种脑部组织的形状复杂等特点,分割方法的选择比较困难,单一的算法很难获得满意的分割结果。目的:针对脑部MRI的特点综合利用现有的算法开发和定制有效的分割应用算法。方法:根据邻域连接和Canny水平集分割算法的优缺点,结合图像特征,用邻域连接方法的分割结果作为Canny水平集分割算法的先验分割模型,借以确定出Canny算法的下限阈值,从而完成两种算法的混合分割。结果与结论:采用实验所用混合方法得到的白质和灰质的分割结果,经与专家手工分割结果对比,证明该方法取得了较好的分割效果,从而证明综合利用现有的算法,不仅避免了重复劳动,还能开发和定制出更加有效的分割应用算法,具备很好的应用潜力。     

改进模糊C-均值分割算法在多发性硬化症MR脑部图像中的应用

背景:脑部MR图像是一种无纹理的图像,未被噪声污染的脑部MR图像的灰度值具有分片为常数的特点.因此,在聚类过程中灰度值有趋向于在同一个分割区域中相对接近的性质.目的:寻找一个能够自动分割多发性硬化症病灶的模糊C-均值改进方法,为临床对于多发性硬化症的判断提供更方便的工具.方法:考虑到脑部MR图像相邻象素属于同一分类的概率相近的特性,在迭代过程中对8邻域数据集进行滤波以降低噪声对聚类精度的影响,提出了一种改进的模糊C-均值聚类算法.就是将模糊C-均值聚类算法迭代过程中得到的灰度值看作一个数据集,用每个象素邻域象素的灰度值修正该象素的模糊隶属度取值,从而达到利用空间信息抑制噪声的目的.结果与结论:选取了10个多发性硬化症患者的脑部MRI图像进行试验.通过对多发性硬化症患者MR T1脑部图像和T2液体衰减反转回复脑部图像的分割实验,结果显示该算法能够有效分割多发性硬化症病灶,与其他方法所做的多发性硬化症病灶分割相比,本算法更易于实现,运算时间短,同时结果与临床医生的勾画比较重叠率较高,对其临床辅助诊断具有重要作用.     

一种基于ITK脑部MRI混合分割方法的设计与实现

背景：由于脑部MR图像中信息对比度不高,各种脑部组织的形状复杂等特点,分割方法的选择比较困难,单一的算法很难获得满意的分割结果。目的：针对脑部MRI的特点综合利用现有的算法开发和定制有效的分割应用算法。方法：根据邻域连接和Canny水平集分割算法的优缺点,结合图像特征,用邻域连接方法的分割结果作为Canny水平集分割算法的先验分割模型,借以确定出Canny算法的下限阈值,从而完成两种算法的混合分割。结果与结论：采用实验所用混合方法得到的白质和灰质的分割结果,经与专家手工分割结果对比,证明该方法取得了较好的分割效果,从而证明综合利用现有的算法,不仅避免了重复劳动,还能开发和定制出更加有效的分割应用算法,具备很好的应用潜力。     

改进模糊C-均值分割算法在多发性硬化症MR脑部图像中的应用

背景：脑部MR图像是一种无纹理的图像,未被噪声污染的脑部MR图像的灰度值具有分片为常数的特点。因此,在聚类过程中灰度值有趋向于在同一个分割区域中相对接近的性质。目的：寻找一个能够自动分割多发性硬化症病灶的模糊C-均值改进方法,为临床对于多发性硬化症的判断提供更方便的工具。方法：考虑到脑部MR图像相邻象素属于同一分类的概率相近的特性,在迭代过程中对8邻域数据集进行滤波以降低噪声对聚类精度的影响,提出了一种改进的模糊C-均值聚类算法。就是将模糊C-均值聚类算法迭代过程中得到的灰度值看作一个数据集,用每个象素邻域象素的灰度值修正该象索的模糊隶属度取值,从而达到利用空间信息抑制噪声的目的。结果与结论：选取了10个多发性硬化症患者的脑部MRI图像进行试验。通过对多发性硬化症患者MRT1脑部图像和T2液体衰减反转回复脑部图像的分割实验,结果显示该算法能够有效分割多发性硬化症病灶,与其他方法所做的多发性硬化症病灶分割相比,本算法更易于实现,运算时间短,同时结果与临床医生的勾画比较重叠率较高,对其临床辅助诊断具有重要作用。     

基于脑梗死大鼠MR图像熵的偏差场拟合方法

背景:目前随着高场强MR设备的不断出现,由于受RF线圈等因素的影响,伪影成为MR图像不可避免的问题.在MR图像上呈现出无规律的、缓慢的灰度密度变化,相当于在增益场上叠加了一个偏差场.这不仅降低了MR图像的质量也严重干扰了数字图像分割和量化处理等方法的运用.目的:提出一种以图像数据为基础并基于熵的复杂信号偏差场的修正方法.方法:根据大鼠脑立体定位图谱,对脑梗死电凝模型大鼠进行冠状位MRI检查.采用GE Signa 1.5T磁共振扫描仪,3inch 表面线圈.层厚6 mm,间隔1 mm(3D T2WI采用层厚2 mm,间隔O.5 mm).该方法是校正场寻优的过程,优化过程以二维信息熵作为尺度.算法的目的是利用最优校正场,使带有偏差的MR图像去偏差,复原真实图像.结果与结论:实验以真实和模拟数据对该方法进行实验,与传统方法相比,经该方法去偏差场后,其各组织在直方图中的分布和对比更加明显,更易于进行组织分割和组织提取.通过计算机时间比较,文章提出的方法在低密度Delaunay三角剖分下,比传统同态滤波方法省时;但在高密度Delaunay三角剖分下,比传统方法费时.     

MR脑肿瘤图像分割与矩特征研究

目的 对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述.方法 在分析当前常用的医学图像分割方法的基础上,提出一种基于形变模型的医学图像分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C 6.0编程,并对MR脑肿瘤图像进行分割实验.结果 本文分割方法分割边界清晰,总体不确定性较小.结论 本文分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具.     

自适应正则化超分辨率MR图像重建

背景:超分辨率冲击已经在许多领域展开研究于应用,比如医疗军队,以及视频等.目的:利用自适应正则化超分辨率重建算法,将低梯度场中获得的具有亚象素位移的图像重建出高分辨率、高信噪比的MR图像.方法:采用最小二乘法作为代价函数,并求其导数,以获得迭代公式.在迭代过程中自适应的改变正则化参数和步长.结果与结论:新正则化参数使得代价函数在定义域内具有凸性,同时先验信息被包含于正则化参数中,以提高图像的高频成分.文章提供了低分辨率的体模图像及重建后的MR图像     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景:在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的:将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法:针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论:实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

结合各向异性扩散滤波Thin Plate先验正电子发射断层图像重建的算法

背景:在正电子发射断层成像中,MAP重建方法通过引入先验分布约束,可以明显提高重建图像的质量,但不合适的先验分布项可能会造成重建图像过度平滑或出现阶梯状边缘伪影.目的:针对基于传统局部先验信息的MAP方法易于导致重建图像过平滑或产生阶梯状边缘伪影的问题,提出了一种结合各向异性扩散滤波的、基于Thin Plate先验的改进MAP重建算法.方法:重建算法由两步组成:基于双向扩散系数的PDE各向异性扩散滤波和基于Thin Plate先验的MAP估计.重建图像通过这两步交替迭代得到.文中采用归一化均方根误差和信噪比定量评价重建图像质量.结果与结论:结合了基于双向扩散系数的PDE各向异性扩散滤波,并将Thin Plate二次二阶先验模型引入到MAP重建算法中,所获得的重建结果图像在抑制噪声、边缘保持方面取得了良好的效果,SNR、RMSE以及视觉评价等方面均有较大程度的改善.     

一种基于指数型先验分布的正电子发射断层图像重建算法

背景:最大似然估计算法是正电子发射断层图像重建的经典算法,能够在信息量不足的情况下获得分辨率和噪声特性均优于滤波反投影重建的重建结果.但是MLEM算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加.目的:针对MLEM算法的图像噪声问题,提出一种基于指数型先验分布约束的MAP重建算法.方法:将指数先验分布代替传统MAP重建中的高斯先验,并用信噪比和归一化均方误差来判断重建质量.结果与结论:实验证明,该算法不仅能够抑制噪声,而且能够保持重建图像的边缘,不会造成过分平滑.