自适应脑组织影像分割

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (01): 161-165.

自适应脑组织影像分割

贾迪^1,2, 杨金柱¹, 张一飞², 赵大哲¹, 于戈¹

1. 东北大学医学影像计算教育部重点实验室,沈阳 110179;
2. 辽宁工程技术大学电子与信息工程学院, 辽宁葫芦岛 125105

收稿日期:2010-09-12 出版日期:2012-01-01 发布日期:2012-01-01
作者简介:贾迪(1982-),男,博士研究生.研究方向:医学影像处理.E-mail:jiad@neusoft.com
基金资助:
国家自然科学基金项目(61001047).

Self-adapting segmentation for brain tissue

JIA Di^1,2, YANG Jin-zhu¹, ZHANG Yi-fei², ZHAO Da-zhe¹, YU Ge¹

1. Key Laboratory of Medical Image Computing of Ministry of Education, Northeast University,Shenyang 110179,China;
2. School of Electronics and Information Engineering,Liaoning Technical University,Huludao 125105,China

Received:2010-09-12 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要：

提出一种支持二维及三维MR脑影像的脑组织分割方法。首先采用改进的C-V模型去除脑脊液对灰质分割准确性的干扰。其次通过采用结合C-V模型的带标记区域增长算法,去除脑壳并提取脑室。最后结合覆盖背景的方法提取灰质及白质,从而实现了脑组织的自动分割。对该算法进行了仿真与实验验证,结果表明,该算法具备良好的准确性、通用性与实用性。

关键词: 计算机应用, 水平集, C-V模型, 区域增长, 脑组织分割

Abstract:

A method for 2D and 3D brain tissue segmentation was presented. First, the noise of spinal fluid affecting the segmentation accuracy was eliminated using an improved C-V model. Then, the ventricle extraction and skull stripping were performed by C-V model and regions merging with tags. Finally, the white matter and grey matter were extracted through covered background method and the brain tissue was segmented. Simulation data was used for theoretical analysis, and the results were verified by real data. The accuracy, universality and practicality were validated by experiment results.

Key words: computer application, level set, C-V model, regions merging, brain tissue segmentation

中图分类号:

TP391

贾迪, 杨金柱, 张一飞, 赵大哲, 于戈. 自适应脑组织影像分割[J]. 吉林大学学报(工学版), 2012, 42(01): 161-165.

JIA Di, YANG Jin-zhu, ZHANG Yi-fei, ZHAO Da-zhe, YU Ge. Self-adapting segmentation for brain tissue[J]. 吉林大学学报(工学版), 2012, 42(01): 161-165.

参考文献

[1] Marroquin J L, Vemuri B C, Botello S, et al. An accurate and efficient Bayesian method for automatic segmentation of brain MRI
[J]. IEEE Transactions on Medical Imaging,2002,21(8):934-945.

[2] John N M, Kabuka M R, Ibrahim M O. Multivariate statistical model for 3D image segmentation with application to medical images
[J]. Journal of Digital Imaging,2003,16(4):365-377.

[3] Nie Sheng-dong, Zhang Ying-li. A fast and automatic segmentation method of MR brain images based on genetic fuzzy clustering algorithm//Engineering in Medicine and Biology, 2007:5628-5633.

[4] 税午阳,周明全,耿国华. 磁共振颅脑图像的脑组织自动获取方法
[J]. 软件学报,2009,20(5):1139-1145. Shui Wu-yang, Zhou Ming-quan, Geng Guo-hua. Automatic brain tissue extraction approach of magnetic resonance head images
[J]. Journal of Software,2009,20(5):1139-1145.

[5] 周震,马斌荣. 结合水平集和区域生长的脑MR图像分割
[J]. 北京生物医学工程,2007,26(1):44-47. Zhou Zhen, Ma Bin-rong. Brain MR image segmentation by unifying level set and region growth
[J]. Bejing Biomedical Engineering, 2007,26(1):44-47.

[6] Chan Tony F, Vese Luminita A. Active contours with out edges
[J]. IEEE Transactions on Image Processing ,2001,10(2):266-277.

[7] Perona P, Malik J. Scale space and edge detection using anisotropic diffusion
[J]. IEEE PAMI, 1990, 12(7):629-639.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed