基于Graph_Cuts的脑部MRI图像脑组织提取方法_杨素华

学结构元素大小自适应设置
［12 ］
； 江少锋等改进了
5期
Cuts 的脑部 MＲI 图像脑组织提取方法 杨素华， 等： 基于 Graph-
527
cuts 在感兴趣区域内进行演化。 此外， 还对 graph方法进行了改进， 添加一个速度限制因子， 以提高 脑组织提取精度。 1. 1. 1 感兴趣区域的自动获取
笔者所采用的是一种由粗到精的混合提取算 。 法 由于 BET 算法对初始参数设置不敏感， 演化速 ， ， 度快 具有全局约束性 故在预处理阶段采用该算 法获取粗略的脑组织轮廓， 并将该轮廓进行膨胀， cuts 优化 设置膨胀后的区域为感兴趣区域。 graph方法不仅快速而且也为全局最优， 故选用这种方法
［17 ］
。ＲOBEX 首先采用随机森林分类器，
cuts 对脑组织边缘检测并进行训练， 然后利用 graph方法提炼得到最终的轮廓。ＲOBEX 非常稳定， 很少 出现遗漏整个小脑或包含眼球这样较大的错误 ， 其 主要缺点是在大脑复杂的沟回组织边缘过于平滑 。 上述提到的几种方法， 在脑组织提取的准确性 和鲁棒性方面都取得不错的成效， 但是会出现以下 问题： 表面过平滑、 边界泄漏和其局部收敛性造成 ， 部分脑组织缺失等 而这些问题之间又是相互冲突 的， 脑组织提取实际上是半全局理解和局部理解的 ［1 ］ 一个折衷 。为了克服这种冲突， 本研究提出一种 cuts 的 脑 组 织 自 动 提 取 方 新的基于 BET 和 graph法。BET 方法快速且半全局收敛， 符合脑组织提取 的半全局理解思想； 将 BET 方法得到的初始区域作 cuts 仅在该局部区域内演化 为约束条件， 使 graph活动轮廓， 又符合脑组织提取的局部理解。 因此， 这种提取方法能改善边界泄漏和局部收敛等常见 问题， 提高脑组织提取精度。
［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）
［4 ］ ［2 ］
BET 算法， 提出了一种基于感兴趣区域的脑组织提 取方法
［13 － 14 ］
。
graphcuts 常被 作为一种基于图论的优化技术， 用来优化处理计算机视觉中出现的各种能量函数 最小化问题， 将其应用在图像分割上， 具有快速、 鲁 棒、 全 局 最 优、 抗 噪 性 强、 可 扩 展 性 好 等 优 点。 Boykov 等提出了一种交互式快速稳定目标提取算
［13 ］ 利用江少锋的改进 BET 方法得到初始脑组 织边界， 再通过膨胀操作来自动获取感兴趣区
Abstract： The brain extraction from cerebral T1 weighted MＲI volume is an important preprocedure for neuroimage analysis． To improve the precision of extraction，an automatic brain extraction method based on a graphcuts model was proposed． The method uses the brain extraction tool （ BET ） to obtain the region of interest （ ＲOI） and only performs graphcuts model in the ＲOI． A velocity factor was added in the graphcuts model to eliminate the boundary leakage and local convergence． A slice by slice contour initial method was also used to initialize the 3D brain boundary． The method was applied to 18 cerebral MＲI volumes provided by the Internet Brain Segmentation Ｒepository （ IBSＲ） ． In testing，the mean Dice similarity coefficient was 0. 95 and the results obtained by our method were very similar to those produced by manual segmentation and achieved the best results on many of the evaluation metrics （ false positives rate 3. 2% and Hausdorff distance 9. 6 ） for the IBSＲ data in comparison of our method with existing brain extraction methods including brain extraction tool （ BET） ，brain surface extraction （ BSE） ， watershed algorithm （ WAT） ， hybrid watershed algorithm （ HWAT） ， graphcuts （ GCUT） and robust brain extraction （ ＲOBEX） ． The experiment showed the proposed method wHale Waihona Puke Baidus precise and robust． Key words： brain extraction； graphcuts； BET； region of interest
526
中
国
生
物
医
学
工
程
学
报
33 卷
引言
脑组织提取是脑部图像分析中重要的预处理 过程（ 如 fMＲI 图像与 T1 加权 MＲI 图像的配准、 脑 组织容量的测量， 以及大脑皮质的表面重建等 ） ， 也 是很多脑部疾病诊断的重要依据。 人工提取方法 需要耗费大量的时间， 且要求操作人员具备丰富的 专业知识， 还会受到专家个人的主观影响， 分割结 果不具有一致性和重复性。 鉴于手动提取的这些 不足， 近年来出现了一些脑组织自动提取方法 ， 仅 需要操作者预先设置一些参数， 这大大提高了脑组 。 织的提取效率 Smith 等提出了一个广泛应用的脑组织提取工 BET ） ［1］。 BET 定义了一个 具（ brain extraction tool， 离散点阵作为初始轮廓， 利用全局推动力和平滑力 将这些离散点推送至脑组织边缘 。 BET 对初始参 数的设定不太敏感， 得到的脑组织边界过于平滑。 Shattuck 等提出了另一个广泛使用的脑组织表面提 BSE ） 。 BSE 采 取方法 （ brain surface extraction ， 用了各向异性扩散滤波、 马尔算子边缘检测以及形 态学操作等一系列的处理方法来分离脑组织 ， 但其 形态学操作的参数设置对分割结果有极大的影响 。 Hahn 等提 出 了 一 种 基 于 溢 出 强 度 的 分 水 岭 算 法 ， 合并连接 将图像中类似的像素点归类， 成脑组织。Segonne 等提出了一个结合分水岭和可 变形模型的混合分水岭算法 （ HWAT ）
doi： 10. 3969 / j． issn． 02588021． 2014． 05． 02 0605 ， 0729 录用日期： 2014收稿日期： 201361163046 ） 基金项目： 国家自然科学基金（ 61162023 ， * 通信作者（ Corresponding author） ， Email： 1536439623@ qq． com
Automatic Brain Extraction Method from Cerebral MＲI Image Based on GraphCuts
YANG SuHua * CHEN Qiong LUO YanFen
（ School of Information，Nanchang Hangkong University，Nanchang 330063 ，China）
为提高提取精度， 提出一种基于 要： 脑部 MＲI 图像的脑组织提取是神经影像学分析的一项重要预处理过程，
graphcuts 的脑组织自动提取方法， 主要适用于 T1 加权 MＲI 图像。 首先采用 Smith 等提出的脑组织提取工具 （ BET） 得到感兴趣区域 （ ＲOI） ， cuts 中加入一个速度限制因 cuts 方法进行演化； 并在 graph仅在该区域内用 graph子， 解决脑组织提取过程中的局部收敛和边界泄漏问题； 此外， 还采用一种逐层处理 2D 图像切片的 3D 数据初始化 方法。利用 IBSＲ（ Internet Brain Segmentation Ｒepository） 网站提供的 18 组数据， 将所提出方法与现有的部分脑组织 提取方法（ 脑组织提取工具（ BET） 、脑组织表面提取算法（ BSE） 、分水岭算法（ WAT） 、混合分水岭算法（ HWAT ） 、 图割算法（ GCUT） 和鲁棒脑组织提取算法（ ＲOBEX） ） ， 本方法最接近于标准分割， 平均 进行对比试验。 结果显示， Dice 系数达到 0. 95 ， 并且在多个评价参数（ 假阳性率 3. 2% 和 Hausdorff 距离 9. 6 ） 上都取得最好结果。 实验表明， 所提出方法具有较好的精确性和稳定性 。 cuts； BET 方法； 感兴趣区域 关键词： 脑组织提取； graph中图分类号 TP391 文献标志码 A 8021 （ 2014 ） 05052507 文章编号 0258-
［8 ］
。 Eskildsen 等提出了一种基于先
1
1. 1
方法
方法简介
验知识 的 非 局 部 多 分 辨 率 的 分 割 方 法 来 提 取 脑 ［9 ］ 组织 。 在国内， 税午阳等采用分水岭结合水平集的方 ［10 ］ 法来提取脑组织 ； 贾迪等在水平集算法的基础
［11 ］ 上， 结合形态学方法， 实现了脑组织提取 ； 韩羽中 实现了脑组织提取中形态 蛟等基于层间先验知识，
（ 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
摘
*
陈 琼 罗艳芬
（ 南昌航空大学信息工程学院， 南昌 330063 ）