基于改进的高斯混合模型脑MR图像分割.pdf

文章编号：１６７４７０７０（２００９）０３０２０８０５ 基于改进的高斯混合模型脑ＭＲ图像分割 １ １ 顾升华 　杨建伟 摘要 ０　引言 ＭＲ图像中常含有偏移场以及噪声 Ｉｎｔｒｏｄｕｃｔｉｏｎ 现象，传统的高斯混合模型无法得到正 确的分类．在高斯混合模型目标函数中 　　脑部疾病是当前威胁人类身体健康的主要疾病之一．利用脑影 加入偏移场估计与噪声去除，完善其分 类效果，使分类结果较好地克服偏移场 像检查技术，定性和定量的分析脑功能，对有效诊断脑疾病有重要帮 和噪声影响．实验表明，该算法在得到较 助．核磁共振成像（ＭａｇｎｅｔｉｃＲｅｓｏｎａｎｃｅＩｍａｇｉｎｇ，ＭＲＩ）以其非介入性、 准确的分类结果的同时还能很好地估计 非损伤性、很少受目标物体运动的影响等特点，已被广泛运用于医学 偏移场． 关键词 图像拍摄．目前，ＭＲ图像在临床医学上起着越来越重要的作用，特别 高斯混合模型；偏移场；去噪 是脑核磁共振成像技术可以提供脑功能信息、解剖信息等，利于有效 地诊断．然而，由于人体解剖结构的复杂性、软组织的不规则性以及 中图分类号 ＴＰ３９１４１ 文献标志码 Ａ 成像质量受到多种因素的影响，在ＭＲ图像中经常会出现偏移场现象 ［１３］ 以及受到噪声的影响，使得脑图像分割很难得到较好的结果 ．偏 移场主要与反射频率、静态噪声场等因素有关，几乎每张图像都存在 或强或弱的偏移场，有时可以使图像灰度增幅高达３０％，导致图像分 析错误；其次，由于机器自身等因素的影响，使得脑图像中经常含有 噪声，降低分割精度；另外，脑图像中存在大量的非脑组织与背景，该 类信息在整个图像中占据较大的比例，影响分割精度．虽然噪声、非 脑组织对分割具有影响，但医学图像分割的主要影响因素是偏移场 而不是噪声． 对于给定的观测图像，如何准确地得到真实图像是目前研究的 ［２３］ 热点．Ｃｏｌｌｅｗｅｔ等 提出一种基于物理影响的模型测量电磁线圈的 干扰，以达到求解偏移场的目的，此方法能够处理由电磁干扰产生的 ［４５］ 偏移场，但对于其它形式的偏移场无能为力．Ｔｉｎｃｈｅｒ等 在频率场 上分析偏移场，发现该类信息主要分布在低频部分，并在低频域上分 离出偏移场，然而该方法忽略了边界信息的影响，导致在边界处易出 错．而且当成像仪器中使用定相电磁线圈列时，偏移场会导致不同区 域间的灰度差异较大，此时基于低频信息的方法不能得到较好的分 割结