序列颅脑CT图像颅腔内结构自动化提取及分割.pdfVIP

南方医科大学学报fJ South Med Univ) ·l805· 序列颅脑CT图像颅腔内结构自动化提取及分割 江少锋 ，陈武凡。，冯前进。，杨素华 (。南方医科大学医学图像重点实验室，广东 广州510515； 南昌航空大 学电子信息学院，江西 南昌 330063) 摘要：目的 自动化提取和分割序列颅脑CT图像颅腔内结构。方法本研究首先利用颅脑CT的解剖学结构，基于区域生 长法和形态学方法提取出序列颅脑CT颅腔内结构。然后针对应用EM(期望最大化)算法分割图像时，初始值选取难 点，提出了一种改进的基于参数受限高斯混合模型的EM分割算法，实现了对颅内结构的有效分割。结果实验结果表 明，该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割，结果准确。结论本文算法在 绝大多数情况下是有效的。 关键词：区域生长：颅脑CT分割；参数受限的高斯混合模型；EM算法 中图分类号：R8l4．42 文献标识码：A 文章编号：1673-4254(2007)l2．1805．04 Automatic extraction and segmentation of the intracraniai structure from cerebral computed tomography- JIANG Shao-feng ，CHEN Wu-fan ，FENG Qian-jin ，YANG Su-hua2 Key Lab for Medical Image Processing， Southem Medical University, Guangzhou 510515， China； 2Nanchang Aviation University， Nanchang 330063，China Abstract： This paper describes a new method for extracting and segmenting intracranial structure I-r0m serial images of cerebral computerized tomography automatically．A region growing-and mo~hoMgy-based approach was first developed to extract intracranial structures I-r0m the serial ima ges of cerebral computerized tomography, and foc~ing on the problems of parameter initialization of the expectation maximization (EM)algorithm，an improved EM algorithm based on parameter- limited GMM was presented to segm ent the intracranial structures successfully．Experimental results ofthe algorithm showed thatthismethodWas effectiveforall cerebral computerizedtomographyimagesfrombottomto top ofthe cerebrum． Key words：region growing；image segm entation；cerebral computed tomography；EM algorithm；parameter-limited GMM 随着CT等影像设备的普及，医院每天 颅内结构，然后再将颅内结构分割成各种组织。由于 产生大量的影像数据。为有效地管理这些海量数据． 受到颅底结构的不规则性以及部分容积效应的影响， PACS系统被越来越多的医院所采用。当前PACS系 目前提取颅内结构通常还是使用手工和半自动的方 统的功能主要集中在医学影像数据的存档、传输及压 法_1]。对颅内结构分割时常用的方法有：模糊C均值 缩方面．而对影像数据的进一步处理和分析方面还很