基于形态学多尺度修正的脑肿瘤分割.docVIP

基于形态学多尺度修正的脑肿瘤分割 　　摘 要： 　　针对脑部核磁共振成像（MRI）图像中因噪声、肿瘤内部灰度不均匀、模糊及边界不连续等造成肿瘤难以准确分割的问题，提出了一种基于形态学多尺度修正的控制标记符分水岭分割方法。该方法在形态学梯度图像基础上，根据不同像素点所在特定邻域内的梯度值自适应确定结构元素的大小；然后，对图像进行形态学多尺度修正，保证修正过程中目标轮廓不发生较大偏移；最后，采用控制标记符的分水岭变换对图像进行分割。实验结果表明，该方法可对脑肿瘤进行较精确的分割。 　　关键词： 　　脑肿瘤；形态学多尺度修正；分水岭变换；图像分割；形态学梯度 　　中图分类号： 　　TP391.41 　　文献标志码：A 　　Brain tumor segmentation based on morphological multi-scale modification 　　Abstract： 　　As many methods of brain tumor Magnetic Resonance Imaging （MRI） segmentation are usually driven by such conditions as noise， intensity inhomogeneity within tumor， fuzzy and discontinuous boundaries， it is difficult to segment tumor accurately. To improve the segmentation results， morphological multiscale modification of controlled marker was proposed. Firstly， this method was based on morphological gradient images because the adaptive structure elements were utilized on different pixels in different areas. In addition， modifying gradient image was key to avoid a larger misregistration of target boundaries. Finally， marker-controlled watershed was applied to segment brain tumor. The experimental results show that the method of brain tumors has more accurate segmentation results. 　　Key words： 　　brain tumor； morphological multi-scale modification； watershed transform； image segmentation； morphological gradient 　　0 引言 　　近年来颅内肿瘤发病率呈上升趋势，据统计，颅内肿瘤约占全身肿瘤的5%，占儿童肿瘤的70%，而其他恶性肿瘤最终会有20%～30%转入颅内，由于其膨胀的浸润性生长，在颅内一旦占据一定空间时，不论其性质是良性还是恶性，都势必使颅内压升高，压迫脑组织，导致中枢神经损害，危及患者生命。脑肿瘤早期的检测及正确治疗很大程度依赖于精确的诊断，这对改善病情结果是很重要的一步。当前核磁共振成像（Magnetic Resonance Imaging， MRI）技术越来越广泛地应用于脑肿瘤的分析与诊断，其可提供脑瘤位置、大小及类型等信息，并可为脑肿瘤的切除手术及放射治疗提供重要的信息。 　　目前，对脑组织与肿瘤的MRI图像分割方法很多[1-3]，其中分水岭分割[4]以其可得到单像素宽、连通闭合轮廓等优点已应用于医学图像分割[5]。但直接应用分水岭分割，会导致较严重的过分割。通常消除过分割的方法有三种：一是在分水岭分割之前，对图像进行滤波[6]以减少局部极小值；二是通过对目标区域进行标记[7]限定分割区域，然后进行分水岭分割；三是在分水岭分割之后，采用相应的合并准则进行区域合并[8]。针对脑肿瘤的分割，文献[9]提出了一种基于K均值和标记控制的分水岭分割方法，该方法通过阈值标记对分水岭分割区域进行限制，减轻过分割，但应用于脑CT图像肿瘤分割时，由于脑组织结构较复杂且肿瘤区域与正常组织边界不明显，致使肿瘤区域轮廓定位不准确；文献[10] 结合分水岭变换和Snake模型对脑CT进行分割，Snake模型能够动态从初始