一种基于先验形状的核磁共振图像分割方法

摘要

本发明涉及一种基于先验形状的核磁共振图像分割方法，利用形状先验信息，融入自适应区域信息与边界信息，能够更好地分割复杂背景和图像中的目标物体，有效地解决图像中感兴趣的目标物体像素灰度不均、目标物体边缘梯度不明显、感兴趣的目标物体被遮挡等问题的同时，大大减低计算的复杂度。

主权项

1.一种基于先验形状的核磁共振图像分割方法，其特征在于，包括如下步骤：步骤01.针对待分割目标体核磁共振图像内不同灰度的区域，获得该模型的水平集能量泛函E_RSF；步骤02.根据获得先验形状能量项E_shape，其中，H为Heavside函数，表示待分割图像中目标体区域闭合边界的水平集函数，φ表示待分割图像在分割过程中，针对目标体区域的分割边界，Ψ为最优先验形状；步骤03.构建新的混杂活动轮廓模型E_total＝E_RSF+Q_sE_shape，并搜索该模型曲线运动方程最优值实现针对待分割目标体核磁共振图像的分割，获得待分割的目标体区域轮廓，其中，Q_s为先验形状能量项E_shape对应的权重系数；其中，最优先验形状Ψ通过如下步骤获得：步骤001.获得一组大小相同的目标体核磁共振训练图像，分别针对各幅训练图像中的目标体轮廓进行标注，并分别针对各幅训练图像进行二值化处理；步骤002.针对N幅训练图像，选择一幅训练图像作为基准，分别与其它N-1幅训练图像进行配准，加上作为基准的训练图像，共获得N幅配准训练图像，N为该组大小相同的目标体核磁共振训练图像的数量；步骤003.根据配准训练图像中目标体的轮廓，将N幅配准训练图像分别表示成符号距离函数获得平均水平集函数并根据各个符号距离函数分别获得各幅配准训练图像中目标体轮廓的偏移量函数其中，i=1、···、N；步骤004.根据各幅配准训练图像中目标体轮廓的偏移量函数构成N维形状变化矩阵M，并对相应的协方差矩阵进行奇异值分解，获得N组针对目标体形状一一对应的特征值和特征向量，选取降维后矩阵的前h个维度所对应的特征向量构成矩阵W_h=（w₁、···、w_h），实现对形状变化矩阵M进行降维，并分别获得与矩阵W_h中各个特征向量一一对应的权系数，构成向量X_pca=（x₁、···、x_h），其中M^T为形状变化矩阵M的转置矩阵,1≤h<N；步骤005.根据Φ=W_h·X_pca获得目标体的特征形状集Φ，根据$P\left(\Phi \left(X_{\mathrm{pca}}\right)\right)=\frac{1}{{\left(2\pi \right)}^{\frac{h}{2}}{\left|{\Lambda }_h\right|}^{\frac{1}{2}}}\exp (-\frac{1}{2}{X}_{\mathrm{pca}}^T{\Lambda }_h^{-1}{X}_{\mathrm{pca}})$获得Φ(X_pca)的概率P(Φ(X_pca))，构成E＝-logP(Φ(X_pca))方程，求解此方程，获得最优X_pca，进而获得最优先验形状Ψ；其中，Λ_h表示一个对角矩阵，这个对角矩阵的对角元素包含前h个特征向量。