论文部分内容阅读
医学图像分割是正常组织和病变组织的定量分析、三维重建等医学图像分析的基础,也是临床医学应用的瓶颈,分割结果的准确性对医生判断疾病的真实情况并作出正确的诊断计划至关重要。然而,在临床分割中,由于医学图像的复杂性、多样性和各种不确定因素造成的退化现象,导致医学图像分割本身是不适定的。基于马尔可夫随机场的先验模型是引入先验信息来解决这一不适定问题的强有力工具,在贝叶斯图像分割中得到广泛运用。本文以膝关节MRI图像为研究对象,以自动、精确、快速分割作为研究目标,针对特定组织结构选择合理的分割算法和分割策略,得到了满意的分割结果,实现了膝关节骨骼和半月板的快速无监督分割,主要工作和贡献如下:(1)膝关节MRI图像中骨骼的精确分割是进一步分割与定量分析膝部软组织的前提。目前膝关节骨骼分割的方法比较耗时或需要一定的人机交互。为解决这一问题,将多尺度MRF方法引入到膝关节MRI分割中,以实现快速无监督的分割。首先建立高斯混合的灰度统计模型,运用MDL准则自动确定类别的数目。建立多尺度MRF的先验模型时,利用尺度间的因果性给出非迭代的计算方法,由细尺度往粗尺度传递统计信息,再由粗尺度往细尺度计算每个像素的最大后验概率,从而实现快速准确的分割。实验结果表明,与单尺度MRF相比,多尺度MRF分割膝关节MRI所需时间大大减少,且精度与专家手动分割标准相当。算法通过建立多尺度马尔可夫随机场模型,完成了低信噪比膝关节MRI图像快速准确分割,可作为进一步自动分割软骨与半月板等软组织的基础。(2)核磁共振成像(magnetic resonance imaging,MRI)图像形态、纹理均较为复杂,从图像中分割出感兴趣组织结构具有一定难度。本文提出一种“分割—粗定位—提取”思路,充分利用MRI成像特征和膝关节解剖学的先验知识,快速、自动地精确分割形态复杂、尺寸细小的膝关节半月板:首先利用多尺度马尔可夫随机场(markov random field,MRF)方法自动、快速地分割与目标有相似灰度分布的组织结构,然后结合Sobel算子和直方图投影方法粗定位半月板区域,最后通过判断连通区域面积提取出精确的半月板区域。实验结果表明,与目前手动、半自动的半月板分割等研究工作相比,本论文方法可以客观可重复地分割出半月板前后角等区域,并且算法耗时较低。