脑部分割方法

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

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)