脑部MRI图像的半自动实时轮廓提取方法

合集下载

基于区域生长算法的MR脑组织图像半自动提取方法

维普资讯
学术论坛
基于区域生长算法的ＭＲ脑组织图像半自动提取方法
陈通
（重庆西南大学电子信息工程学院
摘
一
４０１）０７５
要：Ｒ脑图像分割是进行医疗诊断与治疗的重要前提。脑图像分割的任务多样，实现分割的算法层出不穷。然而不存在单一的Ｍ种算法独立作用解决所用的分割任务。本文专注于脑组织图像提取这一特定任务，采用区域生长为主，形态学操作为辅的方法，较好的完成分割任务，并提出开发一种半自动人机交互系统的设想。关键词：核磁共振图像分割区域生长半自动分割ＭＲ中图分类号：４０４文献标识码：Ａ文章编号：１７Ｏ３（Ｏ７Ｏ（）Ｏ２Ｏ６３５４２Ｏ）ｌ一．通过一条位于图像正中的水平线，并检查自动的图像分割方法，但是此种方法仍需要操作者沿着需分割区域的边缘手工的点击鼠沿线上的像素点的灰度值（图２，个在头如）两标，长时间的操作，对工作人员的耐心是一骨图像区域的种子点和两个在头皮图像区域种考验。的种子点被选定。选择步骤如下：自动的图像分割是目前研究的焦点，各１作图像正中的水平线；）．种算法被不断提出和应用，然而人们发现运２获取沿水平线的各种像素点的灰度值，）用一种算法解决多种分割任务是不可能实现３取灰度值为像素位置的函数；）ｌｌＩ的。Ｉ４获得函数的第一合最后一个最大值，）本文以区域增长为中心的算法，辅以形所对应的像素点为头皮区域的种子点；较之其他医学成像模式，如ｘ一射线，５获得函数的第一个和倒数第二个最小）核素，ＭＲ成像没有任何的辐射危险，且可以态学操作为后处理，实现脑组织从颅脑中的值，所对应的像素点头骨区域的种子点对身体的任意平面成像，除此以外，ＭＲ可以分割。对软组织的影像对比度高，特别适合脑组织２脑组织从颅脑中的分离成像。ｉ在ＭＲ成像中，正常脑组织由脑白质，ＭＲ脑图像中包含头骨，头皮和脑组织的脑灰质和脑脊液组成。图像分割的目的在于，图像。准确的把脑组织从图像中分离出来使／Ｉ＾将脑组织从头骨和头皮中分离出来，再将其分析脑结构和病变的第一步。本文的输入图分成脑白质，脑灰质和脑脊液三种类型。有像是Ｍａｌ７０ＭＲ图像数据库中ｌ幅中对ｔｂ．的ａ８病变的脑组织，图像分割的任务还在于将非的一副，如图ｌ。正常的组织，如肿瘤从正常组织中分离出来。２１区域生长算法．脑图像分割是获取脑组织的细节性，数区域生长从选定的种子像素点根据某种量性信息的第一步，通过分割的数据，可实现选定的标准使种子点的临近像素点于种子点《脑组织的三维可视化，多种组织体积的测量，合并生成新的区域，再以新的区域中所有的点为种子点，以同样的方式生成个新的区计算机手术导航等实际诊断和治疗。目前大多数的图像分割工作是由人手工域，以此往复而得到感兴趣的区域。在区域生图２水平线上的像素值和像素位置完成的，具备相关专业知识的工作人员，在长中要解决３个问题：选择种子像素点，选定图像中找到不同组织的边界并手工将其勾勒生长的标准，制定停止生长的标准。２．．区域生长３２出来，进而提取同一组织的相关信息，手工２２形态学算法．区域生长算法通过下列步骤实现：分割的工作量是巨大的，例如，在普通工作２２１膨胀．．１定义和输入图像Ｉ）等大的全 “ ” 的逻０集合Ａ对结构元素Ｂ的膨胀Ａ０Ｂ定义辑矩阵Ｓ，日的任何一个时刻，都有大约ｌ个工作人员０；

阐释脑部脑部MRI图像头皮三维提取及重建免费毕业论文

阐释脑部脑部MRI图像头皮三维提取及重建免费毕业论文。

实验结果表明，该算法从三维角度对头皮进行提取，很好地结合了图像的空间信息，使得到的轮廓线准确而连源于：毕业设计论文续；26邻域方法保留了头皮真实的灰度信息，使MC重建时图像精度达到亚像素级别，进而得到连续而光滑的头皮轮廓。

5结语本文结合阈值和数学形态学算法，从三维角度提取MRI脑部图像的头摘要：开颅手术中，为了满足手术导航系统进行快速、准确定位的要求，提出一种脑部核磁共振成像（MRI）图像三维头皮轮廓提取方法。

首先采用各向异性扩散滤波方法对图像滤波，借助BrainSuite3医学软件获取脑标记图像；然后将图像中脑实质部分剔除，根据非脑组织图像计算头皮组织的分割阈值；再利用数学形态学处理二值图像获取头皮轮廓；最后结合目标灰度信息，用移动立方体（MC）算法进行三维重建。

实验结果表明，该方法结合阈值、数学形态学和MC算法，能连续、光滑地提取出头皮外轮廓，并使精度达到亚像素级别。

关键词：核磁共振成像图像分割；各向异性扩散滤波；数学形态学；三维头皮提取；亚像素；移动立方体算法0引言在手术导航系统中，让医生简单、准确、快速地判定出肿瘤和手术器械的位置，是一个技术难点，而患者头部的标记点和一些器官（如耳朵、鼻子等）在定位过程中有着重要的参考价值。

另外，核磁共振成像（Magnetic Resonance Imaging，MRI）因其高分辨率、高信噪比、无放射性危害、软组织成像效果好等优点而被广泛应用于临床，所以对脑部MRI图像头皮地提取和重建在临床上具有重要的应用价值。

虽然MRI脑部图像的分割算法很多，但是大部分文献都只重于脑实质（灰质、白质、脑脊液）和脑肿瘤的分割[3]。

文献[4-5]用水平集算法有效地提取了大脑轮廓，该算法的实质是以图像的内力和外部约束力共同判断目标轮廓，但是和脑实质相比，头皮组织的厚度很薄，灰度值与周围组织相差不大，所以头皮组织内力和外部约束力的作用不明显。

从MRI体数据提取大脑表面形态的新方法

从MRI体数据提取大脑表面形态的新方法北京生物医学工程 2000年第4期第19卷论著作者：罗述谦闫华王萍单位：首都医科大学生物医学工程系100054关键词：MR图像；皮层与颅骨剔除；表面重建；形态；轮廓摘要人脑形态研究在许多领域都有日益广泛的应用。

将人的大脑从MR图像体数据中提取出来是脑的可视化、形态学分析、脑图象配准等多种工作的重要基础。

本文结合解剖学知识、用基于灰度梯度的极坐标搜索方法从人脑 MR 图像自动剔除大脑皮层和颅骨及其它非脑成分，仅保留大脑部分。

此后，对于3D图像遍历，我们使用移动立方体法根据全部256种构型，通过查表法把位于大脑表面上的像素与大脑内部及图像背景分开，得到准确的大脑表面轮廓。

然后计算该表面轮廓的各个小三角形面片法线，结合适当的光照模型实现大脑表面形态的真实再现。

大脑的提取工作是在轴向的方向完成的。

但与轴向图正交的冠状图和矢状图显示结果表明，本算法对大脑部分的提取无论从哪一个方向来看都是很成功的。

A Method of Extraction of Brain Surface Morphology from MR Volume DataLuo Shuqian，Yan Hua，Wang Ping(Department of Biomedical Engineering, Capital University of Medical Sciences, Beijing 1000054)Abstract The study of morphology of humn brain has increasing applications in many areas. Extraction of cerebrum from raw MRI volume data is an important work for visualization of human brain, analysis of morphology and image registration. Using priors of anatomy, agrey level gradient based searching method in a polar coordinate system to remove cortex, skull and other no-cerebrum structures automatically from MR image of human brain is described in this paper. Then, For 3D image roaming, a mothod of cubic displacement was used based on all 256 possible configurations, a look-up table is used to get the accurate contour of brain surface by distinguishing pixels of brain surface from pixels of internal brain and the background. Then, normals of all the triangle facets of the surface contour are calculated, to re-display the surface morphology, combining with appropriate illumination model. Although the extraction of cerebrum is implemented in transverse slices, the reconstructed coronal and sagittal slices show the work is very succesful.Key words:MR image, Removal of cortex and skull, Surface rendering, Morphology, Contour0 引言脑表面形态的提取是脑的可视化、形态学分析、脑图像配准等多种工作的基础。

核磁共振图像脑组织自动提取方法

核磁共振图像脑组织自动提取方法张海燕，李海云【摘要】摘要：核磁共振图像的脑组织提取是神经图像处理研究中的一个重要步骤。

将传统的几何活动轮廓模型与二值水平集函数相结合，提出了一种新型的二值水平集活动轮廓模型，并基于该模型提出了一种能够自动、准确实现MRI脑组织提取的方法。

该方法在脑组织内部自动设定最优初始轮廓曲线，将该演化曲线隐含地表示成一个高维函数的零水平集，零水平集在基于区域的图像力驱动下不断演化并达到待分割脑部图像的边缘。

将基于该方法的脑组织提取结果与作为金标准的专家手动分割结果和其他流行算法相比较，结果表明提出的脑组织提取方法能够自动、准确和快速地提取MRI脑组织，是一种鲁棒性较好的MRI脑组织提取方法。

【期刊名称】计算机工程与应用【年(卷),期】2014(000)016【总页数】5【关键词】脑组织提取；灰度直方图；活动轮廓模型；水平集；质量评估1 引言核磁共振图像（M agnetic Resonance Imaging，MRI）脑组织提取是将核磁共振序列脑图像中的脑部组织与非脑组织分离，去除脑外组织，也称为头骨剥离。

脑组织的准确提取是神经图像处理中一个重要的步骤，也是其他图像处理算法例如配准、脑组织分类或者灰度不均匀性校正等的预处理步骤[1-3]，例如，只有准确地去除非脑组织才能够实现脑内组织如脑白质、脑灰质和脑脊液的准确分割[4]。

脑组织的准确提取不仅是脑组织体积测量以及实现三维重建的关键技术，在神经图像处理和分析中也是最耗时的预处理步骤之一，因此国际上提出了许多的脑组织提取算法（Brain Extraction A lgorithm s，BEAs），目前许多研究致力于开发准确、自动的脑组织提取算法，这些算法在不同程度上提高了脑组织提取的精度或速度[5-6]，但是各种算法的分割质量也大不相同，从而会影响后续的图像分析[7]。

Fennema-Notestine等人[8]比较了最常用的几种头骨剥离算法的性能，认为每种算法都有自己的优点和缺点，但是还没有一种算法能够适用于大规模图像的处理与分析。

图像识别中的轮廓提取算法探索(九)

图像识别中的轮廓提取算法探索一、引言图像处理技术在现代社会中扮演着重要的角色，而轮廓提取作为图像识别的基本技术之一，具有广泛的应用。

本文将探索图像识别中的轮廓提取算法，从边缘检测到轮廓生成，分析其原理和优缺点，展望其在未来的发展潜力。

二、边缘检测边缘是图像中亮度变化显著的区域，边缘检测是轮廓提取算法的第一步。

经典的边缘检测算法包括Sobel、Prewitt和Canny等。

Sobel算子通过卷积运算来检测边缘，Prewitt算子则利用不同方向的差分运算。

而Canny算法结合了多种技术，包括高斯平滑、梯度计算和非极大值抑制等，具有较好的效果和稳定性。

三、轮廓生成在边缘检测的基础上，轮廓生成算法根据图像的几何和拓扑关系，将边缘像素连接成闭合的曲线。

轮廓生成算法可以分为主动轮廓和被动轮廓两类。

主动轮廓算法利用能量函数对轮廓进行优化，如水平集方法和活动轮廓模型。

被动轮廓算法则是基于边缘像素的链接策略，如链码和分析。

不同的轮廓生成算法各有特点，可以根据具体的应用需求选择适合的方法。

四、优缺点分析轮廓提取算法具有一定的优缺点，了解其特点对算法的选择和应用至关重要。

1. Sobel算子和Prewitt算子是较为简单的边缘检测算法，计算速度快但在复杂背景下容易产生噪点。

Canny算法在边缘检测精度和抗噪性方面较好，但计算复杂度较高。

2. 主动轮廓算法能够根据能量函数优化轮廓，适用于处理复杂轮廓。

被动轮廓算法简单易用，但对于复杂的轮廓可能无法提取准确的边界。

3. 轮廓提取算法在运行时间和内存消耗方面存在一定的瓶颈，特别是对于大规模图像和视频。

未来的发展需要更高效的算法和硬件支持。

五、未来发展随着计算机视觉和人工智能的快速发展，图像识别中的轮廓提取算法也将不断优化和创新。

以下是未来发展的几个方向：1. 深度学习与轮廓提取的结合。

深度学习具有强大的特征学习能力，将其与轮廓提取算法相结合，可以进一步提高轮廓提取的准确度和鲁棒性。

头部MRI图像外轮廓提取算法的实现与比较

ｐｒｏｖｅｄｃｏｎｔｏｕｒｌｉｎｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｒｆＭＲＩｈｅａｄｉｍａｇｅａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｏｍｐａｉｓｒｏｎｏｆｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆＭＲＩｔｏｍｏｇｒａｐｈｉｃｉｍａｇｅｕｓｉｎｇｅｄｇｅｄｅｔｅｃｔｉｏｎ，ｉｔｅｒａｔｉｖｅｔｈｒｅｓｈｏｌｄ，ａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄａｎｄｓｅｍｉ — ｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｙ．Ｉｎｔｈｉｓｍｅｔｈｏｄ，ｗｅｆｉｒｓｔｓｅｇｍｅｎｔｉｍａｇｅｓｉｎｔｏｂｉｎａｒｙｉｍａｇｅｓｂａｓｅｄｏｎｓｅｍｉ — ｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎｔｈｒｏｕｇｈｈｉｓｔｏｇｒａｍｓｔａｔｉｓｔｉｃｓｒｅｓｕｌｔａｆｔｅｒｔｈｅｐｒｅ－ｔｒｅａｔｍｅｎｔｏｆｔｈｅｉｍａｇｅ，ａｎｄｄｅｉｒｖｅｂｏｕｎｄａｒｙｐｏｉｎｔｓｅｔｆｒｏｍｇｒａｄｉｅｎｔｉｎｆｏｒｍａｔｉｏｎｏｆｂｉｎａｒｙｉｍａｇｅ；ｔｈｅｎｗｅｇａｉｎｔｈｅｃｏｎｔｏｕｒｌｉｎｅｓｄａｔａｓｅｔｗｈｉｃｈｃｏｎｔａｉｎｓｍｕｈｉｐｌｅｃｏｎｔｏｕｒｓｔｈｒｏｕｇｈ８－ｎｅｉｂｇｈｏｕｒｈｏｏｄｓｅａｒｃｈ，ａｎｄａｃｃｕｒａｔｅｌｙｅｘｔｒａｃｔｔｈｅｏｕｔｅｒｃｏｎｔｏｕｒｌｉｎｅｏｆｔｏｍｏｇｒａｐｈｉｃＣＲＯＳＳ — ｓｅｃｔｉｏｎｂａｓｅｄｏｎｔｈｅｄｅｔｅｒｍｉｎａｎｔｃｏｎｄｉｔｉｏｎｓｏｆｌｅｎｇｔｈａｎｄａｒｅａａｎｄＳＯｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｅｘｔｒａｃｔｍｏｒｅａｃｃｕｒａｔｅａｎｄｃｏｎｔｉｎｕｏｕｓｃｏｎｔｏｕｒｌｉｎｅｓａｎｄｈａｓａｈｉｇｈｅｒｓｕｃｃｅｓｓｒａｔｅｔｈａｎｏｔｈｅｒｍｅｔｈｏｄｓ．ＫｅｙｗｏｒｄｓＩｍａｇｅｐｒｅ－ｔｒｅａｔｍｅｎｔＳｅｍｉ－ｔｈｒｅｓｈｏｌｄｓｅｍｅｇｎｔａｔｉｏｎＣｏｎｔｏｕｒｌｉｎｅｅｘｔｒａｃｔｉｏｎｕｓｉｎｇｇｒａｄｉｅｎｔ

图像识别中的轮廓提取算法探索(十)

图像识别中的轮廓提取算法探索一、前言随着计算机视觉和人工智能的快速发展，图像识别成为了一个备受关注的领域。

图像识别技术对于许多应用场景都具有重要意义，如人脸识别、物体检测等。

在图像识别中，轮廓提取算法被广泛应用于目标物体的边缘检测和形状分析。

本文将探讨当前主流的轮廓提取算法及其优缺点。

二、Sobel算子Sobel算子是一种经典且广泛使用的轮廓提取算法。

它基于离散差分算子的思想，通过计算像素点与其周围像素的梯度差来检测边缘。

Sobel算子的优点在于简单易实现，计算速度快。

然而，它在处理噪声较多的图像时容易产生边缘断裂和细节丢失的问题。

三、Canny算子Canny算子是一种经典的优化的轮廓提取算法。

与Sobel算子相比，Canny算子在减小噪声影响、保留边缘细节和边缘相连性等方面做了更多的优化。

Canny算子的核心思想有三个步骤：第一步是高斯滤波，通过应用高斯滤波器来削弱图像中的噪声；第二步是梯度计算，使用Sobel算子计算图像中每个像素点的梯度幅值和方向；第三步是非极大值抑制和双阈值处理，通过非极大值抑制去除非边缘像素，然后根据设定的阈值进行边缘判定。

Canny算子的优点在于能够在保证边缘质量的同时有效减小噪声的干扰。

然而，Canny算子的实现较为复杂，计算开销较大。

四、Hough变换Hough变换是一种常用的轮廓提取算法，可以有效提取图像中的直线、圆和椭圆等形状。

它将图像中的曲线转化为参数空间中的点，并通过在参数空间中寻找交叉点的方式来检测曲线。

Hough变换的优点在于对噪声、遮挡等具有一定的鲁棒性，适用于处理复杂场景中的边缘提取。

然而，Hough变换的计算复杂度高，对于大规模图像的处理效率较低。

五、总结通过对目前主流的轮廓提取算法进行探索和分析，可以发现每种算法都有其自身的优缺点。

Sobel算子作为最简单的算法，适用于对噪声较少的图像进行边缘提取；Canny算子在保证边缘质量的同时有效减小噪声的干扰，适用于对噪声较多的图像处理；而Hough变换能够提取出复杂形状的曲线，对于复杂场景的边缘检测有一定的优势。

图像识别中的轮廓提取算法探索

图像识别是当今数字化时代的一个热门话题，许多领域都需要准确可靠的图像识别算法，其中轮廓提取算法是图像识别中重要的一环。

一、绪论图像识别是指通过图像处理的方法，从输入的图像中识别出感兴趣的对象或者提取出特定的特征。

而轮廓提取算法是图像处理中常用的一种算法，用于提取图像中物体的轮廓信息，为后续的图像分析和识别过程提供了重要的辅助信息。

二、边缘检测算法边缘检测是轮廓提取算法中最为基础的一种方法。

Sobel算子、Canny算子等是边缘检测中常用的算子。

Sobel算子基于图像强度的一阶导数，可以通过卷积操作来实现；Canny算法则是一种更为复杂的算法，通过多次卷积和阈值处理，最终得到图像中的边缘信息。

三、灰度转换和二值化在进行轮廓提取之前，需要将图像进行灰度转换和二值化。

灰度转换是将彩色图像转换为灰度图像的过程，保留了图像的亮度信息；二值化则是将灰度图像二值化成为黑白图像，将像素点分为黑色和白色两类。

常用的二值化方法有阈值法、自适应阈值法等。

四、边缘连接与填充边缘检测算法得到的是一系列不连续的边缘点，为了得到完整的轮廓信息，需要对这些边缘点进行连接。

一种常用的方法是使用Hough 变换，将边缘点进行直线或者圆的拟合，从而得到连续的轮廓。

此外，还可以使用形态学方法进行边缘的填充与连接，通过膨胀、腐蚀等操作将边缘进行修复与连接，得到完整的轮廓信息。

五、轮廓的特征提取提取轮廓之后，需要从中提取出对目标物体具有区分度的特征。

常见的轮廓特征有周长、面积、形状因子等。

周长是指轮廓的闭合曲线的长度，面积是指轮廓所围的区域的面积大小，形状因子则是对轮廓形状进行量化的指标，例如：长宽比、圆度等。

六、图像识别中的应用轮廓提取算法在图像识别中有广泛的应用。

例如在人脸识别中，可以通过提取人脸轮廓来判断人脸的形状特征，进而进行人脸识别和表情分析等任务。

在目标检测中，可以通过提取目标物体的轮廓信息，进而实现物体的定位和识别。

此外，在图像分割、医学图像处理等领域，轮廓提取算法也有着重要的应用价值。

基于Graph_Cuts的脑部MRI图像脑组织提取方法_杨素华

［15 ］法，将图论引入图像分割领域。在脑组织提取的 cuts 与其他方法结合使用。应用中，常常将 graph-
Sadananthan 等开发了一种基于 graphcuts 的脑组织提取方法（ GCUT ）
［16 ］
。该方法首先采用灰度阈值
cuts 生成一个初始的二进制掩模，之后采用 graph移除脑组织与头骨之间的窄连接。 GCUT 方法在图的边权重中加入距离因素，以提高脑组织的提取精度；但因采用灰度阈值获取的初始掩模不够准确，导致该方法有时会产生大的边界溢出现象。 Iglesias 等提出了一种稳定的、基于学习的脑组织提取系统（ＲOBEX）
（ WAT）
［3 ］
，即采用分
水岭算法得到一个脑组织轮廓作为可变模型的初始轮廓，同时还添加了一个基于图集的作用力以确保大脑在某一形变范围内保持拓扑结构。很多脑组织提取方法采用了活动轮廓模型： Huang 等为了确定测地线活动轮廓模型中的初始轮廓线，采用了［5 ］基于混合高斯模型的期望值最大法； Liu 等提出了一种改进的活动轮廓方法，使提取速度和精度有［6 ］了较大提高； Wang 等在采用活动轮廓提取脑组织边界前，使用了配准技术，提高了提取的稳定［7 ］性。在 Leung 等提出的脑组织提取方法中，也采用了配准技术
33 卷 5 期 2014 年 10 月
中
国生物医学工程学报 Chinese Journal of Biomedical Engineering
Vol． 33 No． 5 October 2014
Cuts 的脑部 MＲI 图像脑组织提取方法基于 Graph杨素华

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用李谦;李庆鹏;林家瑞
【期刊名称】《计算机与数字工程》
【年(卷),期】2007(035)011
【摘要】针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.
【总页数】4页(P89-92)
【作者】李谦;李庆鹏;林家瑞
【作者单位】华中科技大学生命科学与技术学院生物信息与控制研究所,武
汉,430074;华中科技大学生命科学与技术学院生物信息与控制研究所,武汉,430074;华中科技大学生命科学与技术学院生物信息与控制研究所,武汉,430074
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于统计方法和主动轮廓模型相结合的医学图像轮廓提取 [J], 陈曾胜;周康源;李传富;胡跃辉;黄丹;王庆临
2.基于主动轮廓模型的红外图像轮廓提取算法 [J], 董恩增;冯倩;于晓;佟吉钢;谷海
清
3.改进Snake模型在病灶轮廓提取中的应用 [J], 朱春媚;周文辉
4.基于改进主动轮廓模型的注塑制品轮廓提取 [J], 刘阳;王福利;常玉清;吕哲
5.基于静电力方法的主动轮廓模型的脑部MRI图像分割 [J], 廖亮;林土胜;张卫东因版权原因，仅展示原文概要，查看原文内容请购买。

PET脑视功能区自动提取的研究

PET脑视功能区自动提取的研究【摘要】目的建立自动提取脑部功能区的方法。

方法通过非线性的空间变换将PET图像经过图像配准和图像形变两个步骤，归一化到Talairach坐标系，根据图谱中脑功能区的坐标，在3D图像中提取相应的功能区；为验证功能区提取的有效性，对志愿者带眼罩和不带眼罩各14例，加光刺激，提取视区并染色，计算经小脑归一化后的平均密度值。

结果两组视区平均密度值显著性差异(P<0.001)；视区位置符合解剖学定义。

结论自动提取功能区的方法是有效的。

【关键词】视区; 配准; 空间归一化; PETThe Study of Automatic Functional Area of Brain Extractionin PET ImagesZHANG Jian-ge, GUO Wan-hua, LI Pei-yong, et al （Department of Biomedical Engineering, SSMU, Shanghai 200025， China）【Abstract】Objective To establish a method which can extract functional areas of the brain automatically. Methods18F-FDG PET images were spatial normalized to Talairach Atlas space through two steps, image registration and image deformation. The functional areas were extracted from 3D PET images based on the coordinate gotten from Atlas; 14 Volunteers with eyepatch and 14 volunteers without eyepatch were simulated by light, Brodmann 17 area was extracted and rendered, the grey value of the areawere normalized by cerebellum, then the grey mean of whole area were measured. Results The grey mean between two groups had significant difference (P<0.001). The position of Brodmann 17 area fitted anatomical definition. Conclusion The automatic functional area extracted method was proved to be available.【Key words】Brodmann 17 area; Registration; Spatial normalization; PET【作者简介】张剑戈（1972-），男，山东济南人，讲师，硕士PET是一种无创性的探测生理性放射核素标记化合物在机体内分布的断层显像技术，是对活机体的生物化学显像。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｏｆｒｂｏｕｎｄａｒｙｔｒａｃｋｉｎｇ，ａｆｔｅｒａｃｑｕｉｉｒｎｇｔｈｅｃｏｎｔｏｕｒｏｆｓｕｂ—ｒｅｉｇｏｎ，ｔｈｅｍｒｋａｅｒｓｔａｔｕｓｏｆｐｏｉｎｔｓｏｎｍｒｋａｉｍａｇｅｗａｓ
ｉｎｔｏａｎｕｍｂｅｒｏｆｓｕｂ—ｒｅｇｉｏｎ，ｔｈｅｃｏｎｔｏｕｒｏｆｅｖｅｒｙｓｕｂ—ｒｅｇｉｏｎｗａｓｅｘｔｒａｃｔｅｄａｎｄｉｆｎａｌｌｙｅｘｔｒａｃｔｉｏｎｏｆｔｈｅｉｎｔｒｅｓｔｒｅ —
ＭｅｔｈｏｄｏｆＢｒａｉｎＭＲＩＩｍａｇｅ
ＨＥＸｕ— ｊｉａ，ＹＡＮＧＲｏｎｇ —ｑｉａｎ，ＷＵＸｉａｏ— ｍｉｎｇ，ＷＡＮＧＹａｏ—ｃｈｕ
（ＳｃｈｏｏｌｏｆＢｉｏｓｃｉｅｎｃｅａｎｄＢｉｏｅｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５１０００６，Ｃｈｉｎａ）
摘要：研究脑部ＭＲＩ图像的实时轮廓提取问题。由于脑部ＭＲＩ图像分辨率高且信息量大，传统方法对整幅图像做图像分割和轮廓搜索，难以保证实时精确的轮廓提取。为解决上述问题，提出一种用区域分解和图像标记的实时轮廓提取方法，将感兴趣区手动分解为若干个自定义子区域的集合，依次提取各子区域轮廓并与当前图像轮廓合并，最终实现感兴趣区的轮廓提取。标记图像记录医学图像上各点的标记状态用于边界跟踪，提取当前子区域的轮廓后，标记图像上各点状态随之改变，对其做邻域搜索可得到合并后的医学图像轮廓线。实验结果表明，改进方法可实时流畅地提取感兴趣区域轮廓，鲁棒性强，
ｇｉｏｎｗａｓｃｏｍｐｌｅｔｅｄ．Ｍａｒｋｉｍａｇｅｗｈｉｃｈｎｏｔｅｄｍａｒｋｅｒｓｔａｔｕｓｏｆｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｐｏｉｎｔｓｏｎｍｅｄｉｃａｌｉｍａｇｅｗａｓｕｓｅｄ
对狭窄连通区域和外表面轮廓也有好的提取效果。 ‘
关键词：医学图像；半自动轮廓提取；区域分解；标记图像
中图分类号：ＴＰ３９１．４１文献标识码：Ｂ
Ｓｅｍｉ —ＡｕｔｏｍａｔｉｃＲｅａｌ —ｔｉｍｅＣｏｎｔｏｕｒＥｘｔｒａｃｔｉｏｎ
ＡＢＳＴＲＡＣＴ：Ｓｔｕｄｙｓｅｍｉ —ａｕｔｏｍａｔｉｃｒｅａｌ —ｔｉｍｅｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｐｒｏｂｌｅｍ．Ｂｅｃａｕｓｅｏｆｈｉｇｈｒｅｓｏｌｕｔｉｏｎａｎｄｌａｒｇｅａ —
第３０卷第２期
文章编号：１００６—９３４８（２０１３）０２— ０４１４— ４０
计
算
机
仿
真
２０１３年２月
脑部ＭＲＩ图像的半自动实时轮廓提取方法
何煦佳，杨荣骞，吴效明，王耀处
（华南理工大学生物科学与工程学院，广东广州５１０００６）
ｍｏｕｎｔｏｆｉｎｆｏｒｍａｔｉｏｎｉｎＢｒａｉｎＭＲＩｉｍａｇｅ，ｉｔｉｓｄｉｉｃｆｕｌｔｔｏｇｕａｒａｎｔｅｅｒｅａｌ —ｔｉｍｅａｃｃｕｒａｔｅｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｆｏｒｔｒａｄｉ－ｔｉｏｎａｌｍｅｔｈｏｄｓｏｆｓｅｇｍｅｎｔｉｏｎａｎｄｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏ．Ｔｏｓｏｌｖｅａｂｏｖｅｐｒｏｂｌｅｍ，ａｓｅｍｉ —ａｕｔｏｍａｔｉｃｒｅａｌ —ｔｉｍｅｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｍｅｄｔｈｏｄｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｄｏｍｉｎｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｍａｒｋｉｍａｇｅ，ｔｈｅｉｎｒｅｔｓｔｒｅｇｉｏｎｗａｓｄｅｃｏｍｐｏｓｅｄ