论文部分内容阅读
越来越多的人受到肾脏疾病的困扰,而临床医生需要各类肾脏组织参数来评估疾病的严重程度。肾脏体积作为其中重要的一项,用来估计潜在的合适的肾脏捐赠者,表示机体残余容量等。因而肾脏的分割很重要。除了耗时耗力的手动勾勒组织轮廓之外,计算机辅助的非模型与基于模型的算法极大地简化了分割图像提取轮廓的过程。本文中,基于三维的动态增强的肾脏核磁共振时间序列数据,我们实现了一种全自动的基于模型的分割算法来得到每一层切片的肾脏轮廓,继而得到每一个三维数据的肾脏体积的估计值。普通的单一肾脏核磁共振图像中,皮层、髓质与骨盆的部分会由于体液含氢的浓度相近而导致较低的对比度。在注入某种造影剂之后,它随着时间分别进入皮层、髓质与骨盆,最后经由尿道排出。造影剂改变了信号强度,所以肾脏时间序列图像在皮层、髓质与骨盆部分会随着时间而呈现不同的灰度值变化,从而增强了图像的对比度。基于这种特性,我们采用了k均值(k-means)的聚类算法将肾脏分成了皮层、髓质骨盆与背景三个部分,并经过后续处理得到了肾脏的初始外围轮廓,它在参数化离散“动态轮廓”模型作用下,逐渐变形并最终停靠在正确的肾脏轮廓位置上。在动态轮廓模型中,我们移除了所谓的“连续性”能量成分,添加了两个距离图像的能量成分,目的是确保最终的轮廓能尽可能地贴近正确的位置。我们测试了八个肾脏体数据,相对于手动勾勒的结果,我们的算法得到的肾脏体积估计值在四个左肾脏数据的偏离率分别是6.14%,5.05%,8.04%和6.40%,在四个右肾脏数据的偏离率分别是4.44%,6.11%,6.78%和4.16%。八个肾脏数据的偏离率平均值是5.88%。