结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法技术
【技术实现步骤摘要】
本专利技术涉及图像处理领域，针对脑组织MRI图像的自动分割方法。
技术介绍
近年来医学成像技术快速普及，核磁共振成像(MRI)是目前应用的最多的医学成像技术之一。它对不同组织能够提供非常好的对比度和分辨率，尤其是对脑部成像而言，其相对于其它成像技术优势明显。随着MRI的广泛应用，产生了越来越多的医学图像，目前急需新的方法对这些图像进行自动处理，对脑组织MRI图像自动处理的第一步就是在图像上对各脑组织进行自动分割。脑组织MRI图像的自动分割是将图像分割成互不重叠的区域，各区域对应不同的脑组织。脑组织里，脑脊液、灰质、白质是颅内的三大主要组织，它们是临床上需要观察的主要目标，也是脑组织MRI图像分割的主要目标。在临床应用中，脑组织的精确分割有利于搜索、分析颅内组织各组织生理变化的位置、类型和范围。精确的脑组织分割甚至能用来量化脑组织生理变化，极大地方便临床医生的工作。目前有许多基于模糊聚类的方法(FCM)被提出用来进行脑组织MRI图像分割，如FCM、FCM_S、FGFCM和FLICM等方法，由于未充分利用空间信息，这些基于模糊聚类的方法进行脑组织MRI分割对噪声的抗干扰能力不足，而在具体的脑组织MRI成像中，最易发生的干扰就是噪声污染。
技术实现思路
本专利技术的目的是解决噪声对脑组织MRI图像分割的干扰，得到更好的图像分割结果。本专利技术提出一种结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法，利用模糊聚类提取图像中的灰度信息，利用马尔科夫随机场建模图像的空间信息，以达到加强抗噪声干扰、提高分割效果的目的。具体采用的技术方案是这样的：一种结合模糊聚类和马...
【技术保护点】
一种结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法，其特征在于，包括以下步骤:1)获取所述脑组织MRI图像，对每一层逐一进行处理；2)设定模糊聚类方法：模糊聚类通过最小化式(1)中的目标函数J(U,V)，得到隶属度矩阵U＝{uij}；J(U,V)=Σi=1NΣj=1cuijmd2(xi,vj),U={uij},V={vj}---(1)]]>式中，X＝{x1,x2,...,xN}为图像所有像素组成的数据集，c为聚类的类别数，uij是xi属于第j(j＝1,2,...,c)个类别的隶属度，m是权重指数，vj是类别j的中心，d2(xi,vj)是xi到vj的距离，N为自然数。3)以步骤1)获得的其中一层脑组织图像I作为输入，通过步骤2)所述方法进行模糊聚类，获得图像中的每一个像素属于各组织类别的隶属度矩阵U1；4)对所述的脑组织图像I进行多尺度分解，得到其低频图像，以该低频图像作为输入，通过步骤2)所述方法进行模糊聚类，获得低频图像在各个像素点位置上属于各组织类别的隶属度矩阵U2；5)定义马尔科夫随机场模型：其中：单点基团势能函数为μ(i,j)、μfiltered...
【技术特征摘要】
1.一种结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法，其特征在于，包括以下步骤:1)获取所述脑组织MRI图像，...
【专利技术属性】
技术研发人员：陈明生，秦明新，闫庆广，宁旭，金贵，孙建，张海生，马珂，许佳，徐林，
申请(专利权)人：中国人民解放军第三军医大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。