基于matlab的脑瘤mr图像处理_基于电势能改进的区域生长脑肿瘤图像分割

蒋秋霖 王昕

摘 要：脑肿瘤的图像分割被广泛应用于临床诊断中。为提高脑肿瘤分割的精确度，本文提出了一种结合电势能的区域生长算法分割MR脑肿瘤图像。将图像的每个像素点看作是电荷，像素值作为电荷量，肿瘤区域像素值大因而其“电荷量”大于其他非肿瘤区域“電荷量”，因此建立生长准则。实验对比其他两种典型算法，本文算法分割精度最优。

关键词：脑肿瘤分割；电势能；区域生长

中图分类号：TP391.41 文献标识码：A

1 引言(Introduction)

目前，脑肿瘤图像分割已经成为一项众多学者研究的课题，通过核磁共振成像(Magnetic Resonance Image，MRI)扫描可以清晰地分析大脑的构造，核磁共振(MR)图像中的脑组织通常根据从MR图像和关于脑的先验知识获得的数据，相应地找到数据集中的每个像素。准确的图像分割可以精确定位肿瘤、水肿区域以推荐合适的治疗方案。例如，关于细胞瘤胶质瘤，所需研究分割的部分，其中包括坏死区域和活动区域，还有紧邻肿瘤的水肿[1，2]。

区域生长最早是由Zucker在1976年提出，该算法最先应用于图像处理，优点是计算简单、高效，其缺点是对噪声敏感，容易造成过分割或者欠分割[3]。近年来，国内外学者对区域生长的算法进行了改进。曾鹏等[4]使用最大类间方差法求得到自适应阈值并结合中值滤波减少了区域生长法的过分割和欠分割现象。刘鑫等[5]提出两阶段的区域生长法，区域生长法的两阶段生长准则分别由均值和方差双阈值，以及均值单阈值决定，并且对实验结果进行三维重建，对目标图像分割准确。Weglinski等[6]先通过中值滤波减少噪声，再利用区域生长法