[发明专利]应用于医疗的基于自适应轮廓模型肺部MRI图像分割方法及MRI设备

权利要求书

1.一种基于自适应轮廓模型的肺部MRI图像分割算法，用于对肺部图像的分析，其特征在于，包括：

步骤1)：对输入的经过融合后的MRI图像进行预处理；

步骤2)：根据肺部肿瘤图像的特点，设初始轮廓线为c₀且将其设置成圆形，根据c₀计算初始水平集函数φ₀；

步骤3)：更新水平集函数φ_n，根据当前的φ_n计算c₁和c₂；具体的，

设定义域为Ω的图像I(x，y)，(x，y)为像素点坐标矢量，且(x，y)∈Ω，其闭合边界c将图像分为目标Ω_i和背景Ω_o两部分，通过最小化能量方程来进行图像分割的过程就是寻找最优分割曲线c，使得到的分割后图像目标区域与原始图像之间的方差最小，曲线拟合能量方程定义如下：

其中，参数λ₁，λ₂＞0，为能量向的权重系数，起平滑作用；μ≥0，c₁，c₂表示曲线c内部和外部的平均灰度值，使该能量方程得到最小值的曲线即为所求的边界曲线；

引入划分演化区域的阶跃函数以及用来限定演化在零水平集函数周围取值的狄拉克函数，表示如下：

设φ(x，y)是根据初始轮廓线c₀构造的水平集函数，φ(x，y)表达的偏微分方程形式如下：

对曲线拟合能量方程求最小值，即可得到分割轮廓线c的位置和c₁、c₂值：

步骤4)：检查迭代是否收敛，若收敛则此时求得的c即为最佳轮廓线，否则继续迭代；

步骤5)：获得目标区域后，利用图像形态学开运算去除噪声及一些微小突出部分，平滑边界，利用闭运算能够连接断裂处，并填补空洞，得到目标图像。

2.根据权利要求1所述的MRI图像分割方法，其特征在于，所述步骤1)具体包括步骤，

(1)对输入的经过融合后的MRI图像去噪滤波后，运用最大类间方差法选取阈值；

(2)运用自动选取的阈值将图像二值化，并将其进行反转；

(3)设置形态学腐蚀和膨胀的2×2矩形模板以及半径为2的圆形模板；

(4)将上述图像进行连通标记，并将其结果对应连通区域计算面积；

(5)经过多次腐蚀操作对图像边界进行平滑，再次膨胀填补肺实质的空洞。

3.根据权利要求1所述的MRI图像分割方法，其特征在于，步骤1)中输入的MRI图像采用基于图像多尺度分解的MRI图像融合方法进行融合。

4.根据权利要求3所述的MRI图像分割方法，其特征在于，融合步骤针对的源图像来自于多个射频接收线圈针对同一检测部位得到的图像。

5.一种用于实现如权利要求1-4任意一项所述的MRI图像分割方法的MRI设备，其特征在于：包括：主磁体系统，梯度磁场系统，射频系统，运算和图像处理系统；其中射频系统包括多个射频线圈，多个射频线圈分别布置在线圈固定装置中，不同的射频接收线圈与受测者身上不同检测部位对应；图像采集时，上述多个射频线圈可以对同一部位进行检测，也可对不同部位分别检测。

6.根据权利要求5所述的MRI设备，其特征在于：运算和图像处理系统包括多通道数据采集单元、时序逻辑控制单元、运算单元、数据传输单元、显示器和键盘，电源模块，时钟模块，存储模块。