一种基于FCM和LevelSet的MRI医学图像分割方法

对基于区域的几何活动轮廓模型中的区域项进行了改进.改进后的算法不仅解决了原算法存在的稳定性问题,同时也有效地提高了分割速度.算法还被成功地扩展到能够分割多种脑组织,且分割质量显著提高.多种子初始化方式的采用,进一步降低了算法对初始条件的敏感性,同时也减少了人工干预.对模拟和真实脑MRI图像的分割实验证明了改进的可行性和有效性,噪声条件下分割的比较分析也表明改进后的算法具有良好的韧性.

基于直方图拟合的MRI图像水平集分割

利用混合高斯模型对MRI图像直方图进行分析,将拟合获得的特征参数作为水平集曲线进化的约束条件,对医学图像进行分割。分割中采用的自适应Level Set方法,能够自适应地确定曲线进化方向(扩张或收缩),而不必在分割之前指定其进化方向,减少了人工干预;同时也克服了传统测地活动轮廓线(GAC)方法对图像梯度信息的过分依赖,以及由于对图像进行大尺度高斯平滑处理造成边缘点移动、定位准确度下降的缺陷。分别对MRI仿真和真实图像进行了实验,MRI仿真实验的分割敏感性、专一性和总体性能指标分别达到了94.72%、97.52%和97.22%。分割结果的定量分析和定性分析表明算法的有效性以及较高的分割准确度。

一种头部磁共振图像自动配准方法

提出一种基于曲线形状匹配的头部磁共振图像自动配准方法,可实现预分割提取头部轮廓曲线、曲线形状特征提取及匹配和单层匹配结果的校正。实验证明在缺乏成像位置参数时,该方法可快速有效地成功实现头部磁共振图像的配准,特别是颅脑内部包含肿瘤的图像配准。