基于核磁共振图像的乳腺肿瘤分割方法

摘要

本发明公开了一种乳腺肿瘤分割方法，包括构造乳腺组织核磁共振图像的分类与偏移场矫正的耦合框架的步骤，对乳房区域以及周边区域进行增强的步骤，以及结合形状先验对乳房肿瘤图像进行分割的步骤。本发明将偏移场信息融入到分类模型中将二者归纳为统一框架，通过快速能量极小化方法同时求解乳腺核磁共振图像分类以及矫正偏移场，使得两者在模型演化过程中相互利用对方的信息最终实现二者的准确求解；并对血管以及肿瘤的形状进行分析，抓住二者在形状上的差异，利用特征值以及特征向量等参数建立形状先验，构造基于形状的水平集驱动力并将其与基于局部信息的水平集方法相结合，使得水平集在演化时克服管状结构的干扰只捕获乳腺肿瘤区域。

主权项

基于核磁共振图像的乳腺肿瘤分割方法，其特征在于，包括如下步骤：步骤1，构造乳腺组织核磁共振图像的分类与偏移场矫正的耦合框架：步骤1.1，对乳房核磁共振的灰度分布进行分析，确定乳腺核磁共振图像的类别个数；步骤1.2，增加保证偏移场光滑的约束项，结合多相位的水平集方法构造乳房核磁共振图像的分类与偏移场矫正的耦合模型：$\begin{array}{cc}E=\underset{i=1}{\overset{n}{\Sigma }}(\int |I\left(x\right)-b\left(x\right)c_i{|}^2{u}_i\left(x\right)\mathrm{dx}+\lambda \int |▿u_i\left(x\right)|\mathrm{dx})& \underset{i=1}{\overset{n}{\Sigma }}{u}_i\left(x\right)=1\end{array}$其中第一项是数据拟合项，该项包括灰度信息I(x)、偏移场信息b(x)以及类别信息u_i(x)，而第二项是空间约束项；步骤1.3，应用快速的能量最小化方法求解图像分类和偏移场；步骤2，利用图像边缘增强的方法对乳房区域以及周边区域进行增强，区分乳房区域和非乳房区域，提取乳房区域；步骤3，结合形状先验对乳房肿瘤图像进行分割：步骤3.1，构造初始曲线；步骤3.2，根据形状统计的方法构造管状以及块状结构的先验信息；步骤3.3，将形状先验信息融入基于局部信息的水平集方法进行图像的分割。