[发明专利]多参数三维磁共振图像脑肿瘤分割方法

说明书

技术领域

本发明涉及医学图像处理技术领域，特别涉及对多参数三维磁共振图像进行脑肿瘤自动分割的方法。

背景技术

在医学影像诊断中，对磁共振脑图像中的脑肿瘤区域进行分割具有重要的意义。准确的脑肿瘤区域分割能够为临床诊断、手术计划的制定和治疗效果的评估提供重要的信息。在当前的临床应用中往往由专家对肿瘤区域进行手工分割，不仅费时、费力，而且分割结果容易受到专家知识水平、临床经验以及其他一些主观因素的影响。因此，开发准确、可重复的脑肿瘤自动分割算法具有重要的实际意义。

近年来，研究人员提出多种肿瘤的自动分割方法，如基于统计分类的方法、基于聚类的方法、基于动态轮廓模型的方法。包含空间限制的统计分类方法取得了较好的分割结果，但待分割图像和训练图像的之间的不一致性会显著降低这类方法的效果；而基于聚类或动态轮廓模型的方法往往需要合理的初始化参数以得到可靠的分割结果。为了降低个体图像间的不一致性造成的影响并提高算法的辨别能力，基于图的交互式分割算法越来越多的被应用到医学图像分割中，如图割、随机行走等。这类方法首先从用户输入的目标区域和背景区域提取对应的统计模型，然后利用基于模型的数据项和基于空间限制的平滑项计算最终的分割结果。因此，目标区域和背景区域选取的位置、大小对分割的结果具有重要的影响。然而，在三维图像中初始区域的手工选择也是一个耗时的过程，其稳定性也会受到图像质量的影响，尤其是在目标区域边界比较模糊的情况下。

相关研究人员也提出了自动的目标区域和背景区域的初始化方法。这些方法一般使用统计分类方法对图像进行预分割，然后对预分割的结果使用阈值、形态学操作进行后处理，进而得到初始的目标区域和背景区域，如文献Li et al.，“Segmentation of Brain Tumorsin Multi-parametric MR Images via Robust Statistic InformationPropagation”，ACCV 2010，pgs.606-617；Wang et al.，“FullAutomatic Brain Tumor Segmentation Using A Normalized GaussianBayesian Classifier and 3D Fluid Vector Flow”，ICIP 2010，pgs.2553-2556。然而，对于不同的图像，后处理过程中的相关参数往往差异比较大，影响初始化的结果，从而降低最终分割结果的准确性。

发明内容

本发明提供一种对多参数三维磁共振图像进行脑肿瘤自动分割的方法。

为了实现上述目的，一种对多参数三维磁共振图像进行脑肿瘤自动分割的方法，包括步骤：

对图像中每个体素进行分类并获取其属于脑肿瘤区域的概率；

提取图像的多尺度结构信息；

基于初始脑肿瘤概率图像和图像的多尺度结构信息构建多尺度的脑肿瘤概率图像；

基于多尺度的脑肿瘤概率图像确定显著的肿瘤区域；

基于初始图像的肿瘤概率信息和显著肿瘤区域获取鲁棒的肿瘤分割初始标签；

使用基于图论的标签传播方法分割脑肿瘤区域。

本发明能够获取统计上可靠的、空间上紧凑的且具有足够体素数目的鲁棒肿瘤分割初始标签信息，有利于提高肿瘤分割结果的准确性和可靠性。基于标签传播的分割方法能够在一定程度上降低个体图像间灰度差异和训练统计信息不充分对分割结果造成的影响，提高肿瘤分割的稳定性。

附图说明

图1是包含肿瘤的多参数磁共振脑图像；

图2是本发明一种实施方式的流程图；

图3是多尺度磁共振图像和肿瘤概率图像的示意图；

图4是边界尺度检测过程的示意图；

图5是对图1中脑肿瘤图像进行分割的结果。

具体实施方式

下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对本发明的理解，而不起任何限定作用。

本发明的实施目的是对多参数三维磁共振图像进行脑肿瘤区域的自动分割。使用的多参数三维磁共振图像包括T1加权像，T2加权像以及FLAIR加权像。如图1所示，图像102、104、106分别展示了一层不同参数磁共振图像的轴状位视图，其中102为T1加权像，104为T2加权像，106为对FLAIR加权像；图像108展示了由专家手工分割的脑肿瘤区域。