基于模糊C均值的脑部MR图像分割方法研究

摘要

磁共振(Magnetic Resonance，MR)图像有着高对比度、高分辨率、多方位等优点，广泛应用于各类脑疾病研究，但由于磁共振成像设备等客观因素的限制，临床采集的脑组织MR图像存在噪声、灰度不均匀、部分容积效应等不利因素，而且脑组织形状、边界和拓扑结构较为复杂，如何快速、精确地分割磁共振脑MR图像是现今研究的重点。
　　基于模糊C均值的分割算法能够很好描述MR图像中存在的复杂性和组织边界模糊等现象，且能满足无监督分割的需求，因此成为近几年比较流行的医学图像分割方法，受到国内外学者的广泛关注。本文对基于模糊C均值的脑MR图像分割方法分析研究并进行改进，使用DARTEL方法对分割后的脑MR图像配准处理，并以阿尔兹海默症和轻度认知障碍数据为例来验证本文方法的有效性。
　　论文的主要工作有:1.采用边缘检测的方法对转化为NIFTI格式的图像进行非脑组织去除，排除非脑组织成分对分割结果的影响，提取脑组织，并使用形态学因子对结果进一步优化，提高边缘检测准确率;2.从模糊C均值算法入手，分析了算法的优缺点，模糊C均值算法的目标函数是基于欧氏距离的，但欧氏距离对于数据点之间的细小差异区分不够，而马氏距离可以自适应地调整数据的几何分布，从而使相似数据点的距离较小，因此采用马氏距离代替欧氏距离对算法的距离函数进行改进，针对提取脑组织后的图像，采用改进算法将其分割为灰质、白质两类组织类型，从体积计算和分类结果两方面来对比分析;3.把分割后的图像采用DARTEL配准方法将其配准到统一模板，进行大脑萎缩区域对比。
　　通过体积计算、分类结果分析和大脑萎缩区域对比等实验对改进后的方法和原方法进行对比，发现改进后的方法在病变区域的定位和分类结果的正确率方面都有很好的结果，能有效提高脑MR图像分割的准确度，在阿尔兹海默症和轻度认知障碍的脑MR图像分割方面有较好效果和较高的正确率。

目录

声明

摘要

第1章 绪论

1．1 课题背景及意义

1．2 磁共振图像分割方法

1．2．1 基于边界的分割方法

1．2．2 基于区域的分割方法

1．2．3 基于水平集的分割方法

1．2．4 基于马尔可夫随机场的分割方法

1．2．5 基于神经网络的分割方法

1．2．6 基于模糊聚类的分割方法

1．3 分割方法评价

1．4 磁共振图像分割方法的研究现状

1．5 论文研究内容及章节安排

第2章 模糊C均值算法及配准相关知识

2．1 模糊C均值算法概述

2．1．1 算法目标函数

2．1．2 算法求解过程及步骤

2．2 配准相关知识

2．2．1 配准介绍

2．2．2 配准要素

2．3 本章小结

第3章 脑MR图像预处理

3．1 MRI数据

3．2 预处理流程

3．2．1 头动校正

3．2．2 边缘检测

3．2．3 形态学处理

3．2．4 脑组织结构提取

3．3 本章小结

第4章 脑MR图像分割

4．1 传统模糊C均值方法的不足

4．2 基于改进模糊C均值算法的脑MR图像分割

4．2．1 马氏距离

4．2．2 FCM算法参数选择研究

4．2．3 优化算法的目标函数

4．2．4 参数的估计

4．2．5 图像分割算法步骤

4．3 实验结果分析

4．3．1 实验说明

4．3．2 体积计算

4．3．3 分类结果对比

4．4 本章小结

第5章 脑萎缩区域对比

5．1 配准

5．1．1 配准流程

5．1．2 配准方法

5．2 实验分析

5．2．1 双样本T检验

5．2．2 脑萎缩区域对比

5．3 实验总结

结论与展望

致谢

参考文献