基于病灶容积测量的MRI自动图像分割方法

摘要

本发明公开了一种基于病灶容积测量的MRI自动图像分割方法，其首先获取待分割的MRI扫描图像的灰度图像；然后对灰度图像进行分不重叠子块处理；接着采用标记分水岭分割算法对灰度图像进行分割，得到多个初步病灶区域；再将每个初步病灶区域对应的每个子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进行优化，得到对应的最终病灶区域；优点是采用标记分水岭分割算法对灰度图像进行初步分割，不仅分割得到的初步病灶区域的准确度高，而且分割效率高；在初步分割后，利用非线性优化模型进行优化，因此只需一次分割再结合优化就能得到准确的病灶区域，分割过程简单，分割效率高，且运算量少，适合大批量图像分割作业。

主权项

一种基于病灶容积测量的MRI自动图像分割方法，其特征在于包括以下步骤：①获取一幅来自医院的MRI医学影像设备的MRI扫描图像作为待分割的MRI扫描图像，然后将待分割的MRI扫描图像转换为灰度图像；②假设该灰度图像的宽度和高度对应为W×H，那么如果W×H能够被u×u整除，则将该灰度图像定义为当前灰度图像，然后直接将当前灰度图像划分成个互不重叠的尺寸大小为u×u的子块；如果W×H不能够被u×u整除，则扩展该灰度图像使其尺寸大小能够被u×u整除，将扩展后的灰度图像定义为当前灰度图像，然后将当前灰度图像划分成个互不重叠的尺寸大小为u×u的子块，其中，W'和H'对应表示扩展后的灰度图像的宽度和高度，W'＝＝W且H'>H或W'>W且H'＝＝H或W'>W且H'>H；③采用标记分水岭分割算法对当前灰度图像进行分割，得到当前灰度图像中的多个初步病灶区域；④将当前灰度图像中当前待处理的初步病灶区域定义为当前初步病灶区域；⑤从当前灰度图像中提取出与当前初步病灶区域对应的所有尺寸大小为u×u的子块，按序对当前初步病灶区域对应的每个尺寸大小为u×u的子块进行处理，将当前待处理的尺寸大小为u×u的子块定义为当前子块；⑥将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进行优化，非线性优化模型输出当前子块中的所有像素点各自的信噪比，如果当前子块中的每个像素点的信噪比与事先存储于数据库中的MRI扫描图像的灰度图像中对应像素点的信噪比的误差小于10％，则确定当前子块优化成功，其中，事先存储于数据库中的MRI扫描图像的灰度图像的尺寸大小与当前灰度图像的尺寸大小相同；⑦将下一个待处理的尺寸大小为u×u的子块作为当前子块，然后返回步骤⑥继续执行，直至当前初步病灶区域对应的所有尺寸大小为u×u的子块处理完毕，得到对应的最终病灶区域；⑧将当前灰度图像中下一个待处理的初步病灶区域作为当前初步病灶区域，然后返回步骤⑤继续执行，直至当前灰度图像中的所有初步病灶区域处理完毕，得到当前灰度图像中的多个最终病灶区域，至此完成MRI扫描图像的自动分割。