0 引言
随着人们生活水平的不断提高,人均年龄的不
断增长,脑疾病已严重的威胁着中老年人的生命与
健康,给人们的健康生活带来了严重的影响。因
此,实现脑疾病的早期无创诊断,显得尤为重要。
通过对脑磁共振图像 (又称 MR 图像) 中感兴趣脑
组织的形状、体积等进行长期观察与分析,并发掘
出该感兴趣脑组织与特定疾病之间的关系,是目前
比较常用的一种脑疾病无创诊断方式。而该种方式
的实现首先必须把感兴趣的脑组织从整个大脑结构
中分离出来 (即把该脑组织的边界及其所在的区域
标记出来),才能达到观察与分析的目的。目前,
主要采用的是人工手动标记的方式来实现脑部感兴
趣组织标记的,这种人工标记的方式存在诸多缺
点,如人工标记一幅脑 MR 图像需要大量的体力、
脑力和时间;每天临床上产生的大量的待标记脑
MR 图像也使得人工手动标记的方式变得不太现实
收稿日期: 2017-04-22
基金项目: 2014 年温州市公益性科技计划项目“基于多图谱的脑 MR 图像海马体分割方法研究”(S20140019)
作者简介: 程有娥,女,硕士,浙江工贸职业技术学院教授,主要研究方向:计算机应用。程有娥:
基于多图谱最优标签融合的脑 MR 图像分割
第 17 卷 第 2 期
31
等。因此,研究脑 MR 图像的自动分割方法是一项 图像的分割结果只参考了一例图谱所提供的先验
脑 MR 图像的分割同时也是一项非常具有挑战 基于图谱标签局部加权的标签融合方法是一种
[1]
十分具有意义的课题 。
性的课题,脑 MR 图像中不同脑组织之间在灰度上
及其相似,从图像上看没有明显的组织边界,导致
了脑 MR 图像的自动分割变得十分困难。为了克服
这种困难实现脑 MR 图像的自动分割,近来发展出
了一类基于人脑固有结构特点先验信息的基于图谱
的脑 MR 图像自动分割方法 ,该方法从人脑解剖学
[2]
的角度出发,认为不同脑 MR 图像的大脑结构及其
位置是相对固定和不变的。因此,可以借助已经标
记好的脑 MR 图像这种先验信息来实现待分割脑 MR
图像的自动分割。
信息。
十分有效的图谱标签融合方法 [6] ,这类方法在一定
程度上有效克服了基于多数投票表决的图谱标签融
合方法所存在的缺陷。该类方法对参与标签融合的
每个图谱标签分别分配一个独有的标签权重,以此
来反应相应图谱标签在标签融合过程中的影响力,
达到了提高与待标记体素越相似的图谱体素所对应
标签在标签融合过程中的影响力,降低与待标记体
素不相似的图谱体素所对应标签在融合过程中干扰
性的目的 [7] 。
本文主要研究图谱标签的融合方法,旨在有效
在基于图谱的脑 MR 图像分割方法中,一例图 将各个图谱的标签进行融合从而获得待分割脑 MR
一个分割结果图像 (又称之为标签图像) 组成。在 权的标签融合方法,在图谱标签融合过程中所有图
谱是由一幅脑 MR 图像及与该脑 MR 图像所对应的
只有一例图谱的情况下,获得待分割脑 MR 图像分
割结果的过程如下:首先进行的是待分割脑 MR 图
图像一致性的分割结果。针对基于图谱标签局部加
谱标签均参与标签融合过程,而没有过滤掉那些不
合适图谱标签对最终标签融合结果影响的问题,提
像与图谱图像之间的配准;然后利用配准获得的映 出了一种最优图谱标签选择的策略,从而可以选择
射关系对标签图像进行标签映射;最后标签映射后 出合适的图谱标签进行标签的加权融合,以期提高
获得的图像即可当做待分割脑 MR 图像的一个近似
分割结果
[3-4]
。当存在有多个图谱的情况下,则可以
重复上述过程多次,可以获得待分割脑 MR 图像的
多个近似分割结果,如何对待分割脑 MR 图像的多
个近似分割结果进行融合,从而获得待分割图像最
终的分割结果 (又称这个过程为图谱标签融合过
程) 是该类方法中研究的比较多的一个问题,同时
也是对最终分割结果影响较大的一个因素。
不同的图谱标签融合方法,对待分割脑 MR 图
脑 MR 图像的分割精度。该最优图谱标签选择策
略,将结合图谱图像局部灰度分布信息与图谱局部
标签分布信息进行最优图谱标签的选择。通过实
验,验证了本文所提出的最优图谱标签选择策略的
有效性,表明了本文所提出的图谱标签融合方法能
在一定程度上提高脑 MR 图像的分割精度。
1 基于图谱标签局部加权的标签融合方法
本节主要介绍基于图谱标签局部加权的标签融
像最终分割结果的影响很大。最简单的一类图谱标 合方法基本框架以及相关的符号表示。在本文中,
MV) [5] 和单图谱选择法。基于多数投票表决的标签 此,在脑 MR 图像中与图谱标签 1 所对应的区域是
签 融 合 方 法 是 多 数 投 票 表 决 法 (Majority Voting, 主要针对的是脑 MR 图像单个脑组织的分割,因
融合方法利用各个图谱标签映射后获得的结果对待 目标脑组织区域,与图谱标签 0 所对应的区域是背
分割脑 MR 图像中的每一个体素进行投票,获得票
数最多的一类标签即为该体素最终融合所得到的标
签。这种方法的缺点是投票过程中所有图谱标签的
权重相同,没有考虑到图谱与待分割图像的差异
性。基于图谱选择的方法利用图像间的相似性测量
准则从若干个图谱中选择一个与待分割图像最相似
景区域。本文不涉及到具体配准算法的研究,因此
将与待分割图像 T 分别进行配准后获得的 N 图谱图
像 记 为 I ={I s |s = 1,⋯,N} 及 对 应 的 图 谱 标 签 记 为
L ={L s |s = 1,⋯,N} 。对待分割图像中的任意一个体素
x ( x ∈T ),将以该体素为中心的一个图像块记为
p(x) ,在各个图谱图像中以相应位置为中心的一个搜
的图谱进行配准、标签映射从而获得待分割脑 MR 索邻域记为 n(x) ,将该搜索邻域内的每一个体素用
图像对应的分割结果。该类方法中图谱图像与待分 一个以该体素为中心的图像块来表示,并记为
随着人们生活水平的不断提高,人均年龄的不
断增长,脑疾病已严重的威胁着中老年人的生命与
健康,给人们的健康生活带来了严重的影响。因
此,实现脑疾病的早期无创诊断,显得尤为重要。
通过对脑磁共振图像 (又称 MR 图像) 中感兴趣脑
组织的形状、体积等进行长期观察与分析,并发掘
出该感兴趣脑组织与特定疾病之间的关系,是目前
比较常用的一种脑疾病无创诊断方式。而该种方式
的实现首先必须把感兴趣的脑组织从整个大脑结构
中分离出来 (即把该脑组织的边界及其所在的区域
标记出来),才能达到观察与分析的目的。目前,
主要采用的是人工手动标记的方式来实现脑部感兴
趣组织标记的,这种人工标记的方式存在诸多缺
点,如人工标记一幅脑 MR 图像需要大量的体力、
脑力和时间;每天临床上产生的大量的待标记脑
MR 图像也使得人工手动标记的方式变得不太现实
收稿日期: 2017-04-22
基金项目: 2014 年温州市公益性科技计划项目“基于多图谱的脑 MR 图像海马体分割方法研究”(S20140019)
作者简介: 程有娥,女,硕士,浙江工贸职业技术学院教授,主要研究方向:计算机应用。程有娥:
基于多图谱最优标签融合的脑 MR 图像分割
第 17 卷 第 2 期
31
等。因此,研究脑 MR 图像的自动分割方法是一项 图像的分割结果只参考了一例图谱所提供的先验
脑 MR 图像的分割同时也是一项非常具有挑战 基于图谱标签局部加权的标签融合方法是一种
[1]
十分具有意义的课题 。
性的课题,脑 MR 图像中不同脑组织之间在灰度上
及其相似,从图像上看没有明显的组织边界,导致
了脑 MR 图像的自动分割变得十分困难。为了克服
这种困难实现脑 MR 图像的自动分割,近来发展出
了一类基于人脑固有结构特点先验信息的基于图谱
的脑 MR 图像自动分割方法 ,该方法从人脑解剖学
[2]
的角度出发,认为不同脑 MR 图像的大脑结构及其
位置是相对固定和不变的。因此,可以借助已经标
记好的脑 MR 图像这种先验信息来实现待分割脑 MR
图像的自动分割。
信息。
十分有效的图谱标签融合方法 [6] ,这类方法在一定
程度上有效克服了基于多数投票表决的图谱标签融
合方法所存在的缺陷。该类方法对参与标签融合的
每个图谱标签分别分配一个独有的标签权重,以此
来反应相应图谱标签在标签融合过程中的影响力,
达到了提高与待标记体素越相似的图谱体素所对应
标签在标签融合过程中的影响力,降低与待标记体
素不相似的图谱体素所对应标签在融合过程中干扰
性的目的 [7] 。
本文主要研究图谱标签的融合方法,旨在有效
在基于图谱的脑 MR 图像分割方法中,一例图 将各个图谱的标签进行融合从而获得待分割脑 MR
一个分割结果图像 (又称之为标签图像) 组成。在 权的标签融合方法,在图谱标签融合过程中所有图
谱是由一幅脑 MR 图像及与该脑 MR 图像所对应的
只有一例图谱的情况下,获得待分割脑 MR 图像分
割结果的过程如下:首先进行的是待分割脑 MR 图
图像一致性的分割结果。针对基于图谱标签局部加
谱标签均参与标签融合过程,而没有过滤掉那些不
合适图谱标签对最终标签融合结果影响的问题,提
像与图谱图像之间的配准;然后利用配准获得的映 出了一种最优图谱标签选择的策略,从而可以选择
射关系对标签图像进行标签映射;最后标签映射后 出合适的图谱标签进行标签的加权融合,以期提高
获得的图像即可当做待分割脑 MR 图像的一个近似
分割结果
[3-4]
。当存在有多个图谱的情况下,则可以
重复上述过程多次,可以获得待分割脑 MR 图像的
多个近似分割结果,如何对待分割脑 MR 图像的多
个近似分割结果进行融合,从而获得待分割图像最
终的分割结果 (又称这个过程为图谱标签融合过
程) 是该类方法中研究的比较多的一个问题,同时
也是对最终分割结果影响较大的一个因素。
不同的图谱标签融合方法,对待分割脑 MR 图
脑 MR 图像的分割精度。该最优图谱标签选择策
略,将结合图谱图像局部灰度分布信息与图谱局部
标签分布信息进行最优图谱标签的选择。通过实
验,验证了本文所提出的最优图谱标签选择策略的
有效性,表明了本文所提出的图谱标签融合方法能
在一定程度上提高脑 MR 图像的分割精度。
1 基于图谱标签局部加权的标签融合方法
本节主要介绍基于图谱标签局部加权的标签融
像最终分割结果的影响很大。最简单的一类图谱标 合方法基本框架以及相关的符号表示。在本文中,
MV) [5] 和单图谱选择法。基于多数投票表决的标签 此,在脑 MR 图像中与图谱标签 1 所对应的区域是
签 融 合 方 法 是 多 数 投 票 表 决 法 (Majority Voting, 主要针对的是脑 MR 图像单个脑组织的分割,因
融合方法利用各个图谱标签映射后获得的结果对待 目标脑组织区域,与图谱标签 0 所对应的区域是背
分割脑 MR 图像中的每一个体素进行投票,获得票
数最多的一类标签即为该体素最终融合所得到的标
签。这种方法的缺点是投票过程中所有图谱标签的
权重相同,没有考虑到图谱与待分割图像的差异
性。基于图谱选择的方法利用图像间的相似性测量
准则从若干个图谱中选择一个与待分割图像最相似
景区域。本文不涉及到具体配准算法的研究,因此
将与待分割图像 T 分别进行配准后获得的 N 图谱图
像 记 为 I ={I s |s = 1,⋯,N} 及 对 应 的 图 谱 标 签 记 为
L ={L s |s = 1,⋯,N} 。对待分割图像中的任意一个体素
x ( x ∈T ),将以该体素为中心的一个图像块记为
p(x) ,在各个图谱图像中以相应位置为中心的一个搜
的图谱进行配准、标签映射从而获得待分割脑 MR 索邻域记为 n(x) ,将该搜索邻域内的每一个体素用
图像对应的分割结果。该类方法中图谱图像与待分 一个以该体素为中心的图像块来表示,并记为
割图像之间相似性测量显得尤为重要,因为待分割 p(s,j),s = 1,⋯,N,j ∈n(x) 。图像块中心点的标签表示
转自:基于多图谱最优标签融合的脑 MR 图像分割 * 程有娥 (浙江工贸职业技术学院,浙江 温州 325003)