一种提取乳腺癌DCE-MRI感兴趣区域的分割方法檀哲1洪容容.DOC

基金项目：福建省自然科学基金项目(2012J01261)； 国家自然科学基金；国家自然科学基金项目。 作者简介：檀哲，男，硕士，主要研究方向为医学图像处理。 通讯作者：叶少珍(1963 -)，女，教授，E-mail: yeshzh@。 一种提取乳腺癌DCE-MRI感兴趣区域的分割方法 檀哲1，洪容容1，叶少珍1,2 (1．福州大学数学与计算机科学学院，福建 福州350108； 2. 福建省医疗器械与医药技术重点实验室,福建 福州 350002；) 摘要：目前动态增强磁共振图像中，病灶灰度不均匀和心脏等非病灶区域增强明显的情况常常使医学图像感兴趣区域分割效果不好。医院临床诊断中希望能够克服灰度不均匀并且减少非病灶增强区域的干扰，从而更精确地进行DCE-MRI医学病灶分割，本文在水平集方法的几何活动轮廓模型基础上，提出结合了局部灰度聚类和尺度停止函数的方法，以克服灰度不均匀和非病灶噪声干扰。对福建省肿瘤医院等医院的临床乳腺癌DEC-MRI数据进行实验，结果表明改进的水平集方法具有较好的分割效果。 关键词：乳腺癌DCE-MRI，水平集方法，局部灰度聚类，尺度停止函数 中图分类号：TP391.41 文献标识码：A A method to extract the region of interest in dynamic contrast-enhanced MR imaging of breast cancer Tan Zhe1, Hong Rong-rong1, Ye Shao-zhen1, 2 (1．College of Mathematics and Computer Science, Fuzhou University, Fuzhou, Fujian 350108, China；2. Fujian Key Laboratory of Medical Instrumentation Pharmaceutical Technology, Fuzhou, Fujian 350002, China ) Abstract: In dynamic contrast enhanced-magnetic resonance imaging, the uneven gray of lesions and misenhancing of healthy regions make it unsatisfying in extracting region of interest. These problems need to be solved in clinic so that the focus of DCE-MRIs can be segmented more accurately. The paper is based on level set segmentation, combining with local clustering criterion and a scale change function, in order to overcome the interferences. The experiment DCE-MRI data come from Fujian Provincial Tumor Hospital. The result shows that the segmentation is improved. Keyword：Breast cancer, level set segmentation, local clustering criterion, scale change function 0 引言 乳腺癌是一种恶性肿瘤，发病率在我国每年以3%的增长速度递增，相对发达国家高出1%~2%[1]，研究乳腺癌的防治具有一定社会意义。相对于其他图像，动态增强磁共振图像(dynamic contrast enhanced-magnetic resonance imaging，DCE—MRI)具有分辨率高、能够细微反映病灶形态学等优点，很好地适用于乳腺癌的形态学特征：肿瘤形状不规则、肿瘤与正常区域界限模糊、肿瘤边缘有毛刺等。动态增强磁共振方法下，病人注入造影剂，根据DCE-MRI提供的病灶区域信号变化动力学特征，结合辅助诊断软件，医生可以对病例进行定量分析，如肿瘤良恶性判断[2]等。本文所研究医生进行定量分析前，DCE-MRI所需要的病灶分割工作。 在医学图像分割邻域，没有一种分割方法能适用所有图像，需要针对不同的客观情况选择效果好的分割方法[3]。目前主流图像分割方法包括人工智能算法和基于偏微分的图像处理方法。偏微分方程应用于图像分割的主要方法有参数活动轮廓模型和几