基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷。目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息。方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域。结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域——脑脊液部位。经验证,该方法具有简单、快速、精度高、适用性强等特点。

基于水平集的人脑MR图像分割方法

为了更好地对解剖结构和形状复杂的非均匀分布人脑图像进行分割,在水平集Chan-Vese模型的基础上引入Otsu技术,给出了基于水平集的人脑磁共振(magnetic resonance,MR)图像分割方法.该方法利用Heaviside函数描述区域内图像分布信息,通过最大类间方差来反映区域间图像分布方差信息,2部分信息经融合后构建新的能量函数,以引导图像分割过程,最终得到所期望的人脑图像分割结果.采用2个数据集提供的人脑图像数据进行实验,结果表明:所提方法在相似性度量和正误率度量方面,与其他方法相比都有明显的优势,可以很好地实现人脑图像的分割.

T2加权人脑MR体数据的脑提取

为了实现人脑T2加权MR图像的脑组织和非脑组织的分割,提出了一种基于三维形变曲面模型和数学形态学算法的MR T2图像脑提取方法。该方法分为两级提取:第一级提取依据脑解剖学知识,影像学知识及T2加权MR脑图像的组织在灰度直方图中的分布规律,应用三维形变曲面模型和区域生长实现脑的初级提取;第二级提取则根据图像的局部信息,应用六邻域结构元素对脑初级提取结果进行数学形态学处理,使脑提取结果更精确。实验结果表明,使用该方法对人脑T2加权MR数据进行脑提取的准确率能达到94%以上。算法性能评估证明本算法能够比较好地实现T2加权MR图像的脑提取。

脑灰质的一种自动分割算法研究

针对MRI脑部图像,提出一种脑灰质的自动分割算法。根据观察和研究发现,人脑MRI中的脑灰质部分存在一种分布形式,把这种分布形式抽象成一种曲线形式从而进行分割,可以得到一种较为准确的脑部图像分割效果。自动分割算法主要分为3个步骤:首先,计算出图像的直方图并对直方图进行模糊;其次,利用模糊聚类算法计算出聚类中心;最后,根据模糊聚类中心计算出脑灰质区域的曲线,从而实现阈值分割。自动分割算法经过大量模拟和真实MRI脑部图像进行了验证。