基于模糊群聚技术的多回波脑部磁共振图像分割.pdfVIP

基于模糊群聚技术的多回波脑部 磁共振图像分割 江宝钏 张 森 (宁波大学计算机系，宁渡，315211)(杭州大学计算机系，杭州，310028) 摘要 本文提出了基子无指导性的模糊群聚方法的脑部多回波磁共振图像分割．输入图像包括 T1，T2，PD三种加权特征图像，分割是基于每幅图像的灰度值进行的．聚类结果是每个象索点 所属某个类别，然后通过调色板给每个类别赋予一定颜色直观地显示分割结果． 关键词：磁共振图像；图像分割；模糊聚类 中图法分类号：Q235 0 引 言 磁共振图像(简称MRI)是一种探测包含在身体组织内氢原子核的磁化性能的非电离 损害的技术．通过发射波随时间参数的不连续变化，～组随时间变化的各种软组织对比图像 能够得到．图像的对比值主要取决于身体内部固有的组织参数：组织内可以移动的质子密度 PD；组织内自旋一品格或纵向T1驰豫；组织内自旋一自旋或横向T2驰豫．为了测量反映 这些基本参数的图像，锈要采用多回波脉冲序列和一定的扫描参数(即回波时间和重复时 间)，改变脉冲的时间间隔和组成方式，便可获得三种固有参数的加权图像：T1加权、T2加 权和PD加权图像．通过这三种加权图像对各软组织提出特别可分辨的特征．如图1所示． (未采集到T1加权图像) 目前这些MRI都是由医务人员直观地，定性地解释，带有一定的主观性和经验性．但 对MRI进行分析，如边界结构的探测或者软组织特征化，特性评价，体积测量，变性疾病的 研究等，在医学临床的环境中变得越来越重要．处理这些现代医学图像技术需要分析过程的 自动化．而MRl分割是重要的手段之一． 经典的MRl分割的依据一般建立在区域内部的相似性以及区域之间的非连续性(或突 变性)两个概念上，形成以区域和边界为基础的两种基本分割．经典的分割方法没有充分利 用MRI的多回波性。而仅仅考虑单回波的图像，分割结果始终不令人满意．按照目前医学技 术的发展观点，多回波MRl圈像提供了各种软组织更多可辨别的模式，比单回波图像包含 增刊 江宝铡等：基于模糊群聚技术的多回波脑部磁共振图像分割589 丁2加权PD加投 图1T2加权图象和PD加权图象 更多的病理学信息，从多回波图像中抽取的信息明显地更有价值更可靠o][=】． 模糊聚类分析方法是新近发展的一种数学分类方法．它的数学基础是数理统计的多元 分布方法．依据客观事物阃的特征、亲疏程度和相似性，通过建立模糊相似关系对客观事物 进行分类． 本文的工作是利用MRI的加权(即多回波)特性，用无指导性的模糊聚类作为分类器， 按医学观点对脑部MRI进行软组织的初步二维分割． 模糊聚类分类器原理与设计 分类器是对未知类别属性样本实现分类判决．首先按一定的数学模型或知识或经验设 计分类器。使得对样本的识别的错误率不超过给定的要求． 为若干个模糊子集为S。“一1，…，c)样本z^的从属程度用隶属度函数“。描述。且“，(∞)： 柬．[3]“3 1≤^≤n “n∈[o，1]；1≤i≤c， ∑‰=1；l≤^≤n 0∑‰n；1≤i≤f 对于模糊分类定义目标函数为 ■ J(U，y)=∑∑(‰)。(出)2 ^’1J一1 oo)加权指数，。／(U，y)表示了各类样本到聚类中心的加权距离平方和，权重是样本以对第i 590 浙 江 大 学 学 报(自然科学版) 1998年 类隶属度的m次方． 聚类准则取为求J(U，y)的极小值，即 min{J(U，y))=rain{∑∑(“n)“(如)2} 一宝[min{∑(¨4(如)2)] 其中出一0乱一研0表示样本勘与聚类中心巩的距离．分别以变量聃(““固定)和“*(研 固定)对上述函数求微分，并利用∑