一种基于mri图像的脑肿瘤组合分割法 - 第三军医大学学报.docVIP

一种基于MRI图像的脑肿瘤组合分割法 王莉，邱明国， 桑林琼 （第三军医大学医学信息与医学图像学教研室 重庆 400038）A Combination Segmentation Method of Brain Tumor Based on MRI Images WANG Li,SANG Lin-qiong, QIU Ming-guo, (Department of Medical Informatics and Imaging , College of Biomedical Engineering and Medical Imaging , Third Military Medical University , Chongqing 400038 , China) Abstract: As the complexity and diversity of medical images, image segmentation is quite difficult. This paper on the threshold and morphological segmentation minor improvements, successful extracted t tumor from a low-contrast MRI of brain image . Key words: medical image segmentation; threshold segmentation; morphological segmentation 中图分类号：TP391 文献标识码：A 引言： 医学图像处理的主要研究方向有图像分割、图像配准、结构分析、运动分析等，而其中医学图像分割的研究具有更重要的意义[1]。结构分析、运动分析、三维可视化等后续操作，以及图像引导手术、肿瘤放射治疗、治疗评估等应用研究都假设以对图像做了准确分割，或者说都是以图像分割为基础的。医学图像分割是正常组织和病变组织的三维重建、定量分析等后续操作的基础，也是临床医学应用的瓶颈，分割的准确性对医生判断疾病的真实情况并作出正确的诊断计划至关重要[2][3]。目前由于医学影像设备成像技术上的特点，使得医学图像存在一定的噪声，图像中目标物体部分边缘不清晰，使得医学图像的分割比较困难[1]。本文以人的脑磁共振图片为研究对象，通过matlab自编程序，进行脑肿瘤分割。 2 图像分割处理 2.1 非线性平滑处理 由于磁共振图像在采集过程中，有脉冲干扰，因此图像具有较强的噪声。为了消除这些噪声， 选用非线性平滑中值滤波预处理图片。 中值滤波是一种去除噪声的非线性处理方法。其基本思想是把数字图像中一点的值用该店的一个领域中各点值的中值代替。其定义为：一数组，把n个数按值的大小顺序排列于下： 式中?称为序列的中值。中值滤波器是一个含有奇数个像素的滑动窗口，窗口正中间那个像素的值用窗口内各像素值的中值代替。设序列为，I为自然数集合或子集，窗口长度为，则滤波器输出为：式中，；。 2.2 全局阈值分割 一般图像分割是基于图像二值化的基础上进行的，其目的可以减少图像的灰度分布范围，简化运算，提高分割的速度。但是本例图片比较特殊，脑部的头骨是高密度，灰度值高，处于亮区域，而我们感兴趣的区域（肿瘤）的灰度是软组织，灰度值低，处于暗区域。肿瘤周围的软组织，灰度值也比较低，也处于暗区域，与肿瘤的区别很小。我们通过图像的直方图就可以看出，整个图片除了周围头骨的灰度值处于灰度的高值区，其他都偏小，而且没有明显的分界。因此，如果我们采用普通的图像分割技术，在平滑预处理后，直接采用函数im2bw(I,level),进行自动的二值分割，就会出现图片中只有头骨与周围组织的分割，而头骨里面的任何组织都无法显示出来,其效果如图1所示: 图1(a)为原始的MRI脑图像,图1(b)为采用非线性平滑后的图像,图(c)为图像的直方图,图(d)为二值化自动分割图像。 (a) （b），式中表示图像的灰度。经过这种阈值分割，我们可以将处于亮区域的头骨与其他组织分开，同时又保留了其它组织的原有特性,其效果如图2所示：图2（a） (a) （b）2.3 肿瘤分割 经过手动的全局阈值分割后的图片，虽然消除了头骨的影像，但是由于我们感兴趣部分（肿瘤）并没有从周围组织中分割出来，因此还需要进一步处理。由于肿瘤和周围的组织灰度值比较接近，我们分别选用最大方差阈值法、形态学两种方法来处理： 2.3.1 最大方差阈值法分割 最大方差阈值也叫大津阈值,它是在差别域最小二乘法原理的基础上推导出来的，不管图像的直方图有无明显的双峰，此方法都可得