CN104103071A - 一种应用于磁共振图像壳核的交互式分割方法 - Google Patents
一种应用于磁共振图像壳核的交互式分割方法 Download PDFInfo
- Publication number
- CN104103071A CN104103071A CN201410296751.2A CN201410296751A CN104103071A CN 104103071 A CN104103071 A CN 104103071A CN 201410296751 A CN201410296751 A CN 201410296751A CN 104103071 A CN104103071 A CN 104103071A
- Authority
- CN
- China
- Prior art keywords
- node
- magnetic resonance
- image
- interactive
- shell core
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种应用于磁共振图像壳核的交互式分割方法,属于图像处理领域。通过引导交互操作设置源节点和目标节点,进而推测待分割目标区域,并使用降低节点数目的方法将待分割图像的目标区域生成节点图;对节点图使用分区域和分方向代价函数,将目标区域生成带权有向图;使用最短路径寻优方法从带有权值有向图中寻找两条从源节点到目的节点的最短路径,构成闭合轮廓完成分割。本发明采用多种策略设计代价函数并约束最短路径搜索范围,通过降低节点数目和引导交互操作,使脑部磁共振图像壳核区域的分割准确、快速、稳定。
Description
技术领域
本发明属于图像处理领域,具体涉及一种应用于脑部磁共振图像基底节区壳核目标的分割方法。
背景技术
图像分割是图像分析、理解、三维可视化的前提条件,是一种从给定图像中提取特定目标的图像处理技术。目前,很多学者开展了对医学图像分割方法的研究,相应的图像分割方法和技术也已经并不断被提出;
基于最短路径思想的交互式分割方法相比其他交互式分割方法,只需很少的交互操作就能获得较好的分割效果,在医学图像分割领域中具有较高的关注度和广泛应用。最短路径问题是图论中关于如何在赋权图中找出两节点之间权的总和最小的路径问题。最短路径问题已在网络通信、路径规划等问题中被广泛的研究和使用。很多最优化问题都可以和最短路径问题等价,事实上最短路径已经被成功的应用到了图像分割领域。其快速准确的分割特点吸引了大量的研究人员的关注,是一种被广泛研究的交互式图像分割方法;
基于最短路径思想的图像分割方法的典型代表是Live-Wire算法。Live-Wire算法是由Barrett和Mortensen提出的基于最短路径思想的一种交互式边缘提取和图像分割方法。随后国内外很多学者开展了基于此方法的研究。各种改进方法层出不穷,应用范围也越来越广。基于最短路径思想的图像分割方法往往有很强的针对性,并不是一种通用的图像分割框架,通常设计者会结合其研究对象的特点将最短路径的思想应用于其中,这也是制约基于最短路径的图像分割方法应用的一个原因;
在实际应用于脑部磁共振图像壳核区域的分割时,Live-Wire及其改进的基于最短路径思想的分割方法不能够有效地识别壳核外侧模糊边缘,容易被外侧屏状核处的边缘吸引,造成边缘泄露,导致分割结果不准确。
发明内容
在针对经典Live-Wire及其多种改进方法分割壳核外侧模糊边缘失败的缺陷,本发明设计了一种应用于磁共振图像壳核的交互式分割方法。本发明在分割过程中通过采用分区域和分方向的代价函数,引入降低节点数目的估计方法,使用约束路径搜索区域的方案和引导交互操作的策略,有效的实现了对磁共振图像基底节区壳核区域的分割。
本发明的核心技术方案主要有以下三个方面:
1. 分区域代价函数
为了能够有效地识别壳核外侧边缘,本发明采用基于灰度的方案设计壳核外侧边缘代价函数。壳核外节点p与节点q连接的代价函数C out (p,q)定义如下:
其中α为一个与取q值的方向有关的调节参数,取值方法参见附图2(a)。I(p)为图像I在处p的灰度值。
内侧边缘采用基于梯度和Canny边缘的方案。本发明采用的是乘积形式的代价函数,这样可以无需设置各加权项在代价函数中所占比重,降低参数选择难度。壳核内侧节点p与节点q连接的代价函数C in (p,q)定义如下:
其中β为一个与取q值的方向有关的调节参数,取值方法参见附图2(b),G(p)为图像I位于p处的梯度。
对于壳核外侧和内侧区域,需要分别采用上面分区域的代价函数来计算。
2. 分方向代价函数
分方向代价函数由分方向权系数的方式实现,通过这种方式将使边缘的搜索过程能够更准确和高效,分方向系数设置如附图2。
3. 搜索路径约束
将壳核内外两条边缘的搜索设置在两个不同的区域,可以避免路径重复,使本发明获得更准确的分割结果。
具体实现过程如下:
步骤1:借助Canny边缘引导进行交互式节点选取;
步骤2:根据节点对目标所在区域进行估计;
步骤3:根据参数将估计区域分成两个区域;
步骤4:使用不同的代价函数对两个分区生成带权节点图;
步骤5:分别对两个区域的节点图使用最短路径进行边缘搜索;
步骤6:从两个区域得到的边缘形成分割结果;
步骤7:若分割结果不够准确则调整参数转步骤3,否则分割过程结束。
本发明的有益效果在于:
1. 分割精度
本发明能够相对准确的实现对脑部磁共振图像基底节区壳核目标的准确分割。图3(a) 至 图3(f)为对一例脑部磁共振图像壳核区域连续6个层面分割的结果,可以看出本发明在壳核目标的分割上具有很高的精度。表1所示为本发明对应于附图3的分割结果的误分率与Live-Wire的误分率比较。
表1 对应于图3的18个层面的误分率
2. 分割方法稳定性
分割方法的稳定性直接影响着本发明的实际应用效果。本发明对于节点选取,不同层面分割,不同数据用例分割以及参数选择和不同操作人员的操作都具有较好的稳定性。
3. 分割速度
本发明是一种交互式的壳核分割方法,能够实现快速的实时分割。表2为对壳核20个层面左右壳核分割50次的平均时间消耗,可见本发明能够满足实时分割的要求。
表2分割20个层面时间消耗(10-2 秒)
综上所述,本发明设计了一种应用于磁共振图像壳核的交互式分割方法。该方法基于最短路径寻优思想,使用分区域、分方向权重和路径约束等策略实现,能够很好地实现对脑部磁共振图像基底节区壳核目标的分割。
附图说明
图1本发明壳核分割方法的流程图;
图2 为分方向权系数的设置方法;
图2(a)为壳核外侧边缘的设置方法,图2(b)为壳核内侧边缘的设置方法。
图3为一例脑部磁共振图像壳和区域连续层面的分割结果。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。
结合图1,本发明以磁共振图像中的壳核分割为例,分割过程依次经过以下步骤:
步骤1:借助Canny边缘引导在图像中进行交互式选取源节点与目的节点;
步骤2:根据节点对目标所在区域进行估计,由于源节点和目标节点设置在壳核目标的边缘上,而壳核在解剖学上是规则的,因此可以结合解剖学知识及节点所处的位置对壳核所在区域进行估计;
步骤3:根据参数将估计区域按照源节点到调节参数再到目标节点的折线分成两个区域;
步骤4:使用不同的代价函数对两个分区生成带权节点图,本发明的一个重要特征就是使用分区域、分方向代价函数分别生成带权节点图,壳核外侧节点间代价C out 与内侧节点间代价C in 分别按照下式计算:
其中,α为调节参数,I为图像,I(p)为p点的灰度值。
其中,β为调节参数,G为图像,G(p)为p点的梯度值。E c 由下式计算:
步骤5:分别对两个区域的节点图使用最短路径进行边缘搜索,分别在两个区域进行节点搜索可实现对搜索路径的约束,有助于获取更精确的分割结果;
步骤6: 由上一步得到的两个区域中的边缘组合在一起形成一个完整的闭合轮廓实现对目标的分割;
步骤7:若分割结果不够准确,则调整参数转至步骤3,否则分割过程结束。
最后应说明的是,以上实施实例仅用以说明本发明的技术方案而非限制,尽管参照较佳的实施实例对本发明进行了详细的说明,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的修改或等同替换,而不脱离本发明技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种应用于磁共振图像壳核的交互式分割方法,其特征在于包括以下步骤:
步骤1:借助Canny边缘引导进行交互式节点选取;
步骤2:根据节点对目标所在区域进行估计;
步骤3:根据参数将估计区域分成两个区域;
步骤4:使用不同的代价函数对两个分区生成带权值节点图;
步骤5:分别对两个区域的节点图使用最短路径进行边缘搜索;
步骤6:从两个区域得到的边缘形成分割结果;
步骤7:若分割结果不够准确则调整参数则转至步骤3,否则分割过程结束。
2.在根据权利要求1所述的一种应用于磁共振图像壳核的交互式分割方法,其特征在于:在所述步骤4中使用的内外区域代价函数按照C out 和C in 进行设定,C out 和C in 分别按照下式计算
其中,α为调节参数,I为图像,I(p)为p点的灰度值;
其中,β为调节参数,G为图像,G(p)为p点的梯度值;
E c 由下式计算。
。
3.根据权利要求1所述的一种应用于磁共振图像壳核的交互式分割方法,其特征在于:在所述步骤5中对节点图的中最短路径的搜索分别在两个由不同区域按照不同的搜索方向和区域约束进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410296751.2A CN104103071A (zh) | 2014-06-27 | 2014-06-27 | 一种应用于磁共振图像壳核的交互式分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410296751.2A CN104103071A (zh) | 2014-06-27 | 2014-06-27 | 一种应用于磁共振图像壳核的交互式分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104103071A true CN104103071A (zh) | 2014-10-15 |
Family
ID=51671191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410296751.2A Pending CN104103071A (zh) | 2014-06-27 | 2014-06-27 | 一种应用于磁共振图像壳核的交互式分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104103071A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463885A (zh) * | 2014-12-18 | 2015-03-25 | 江苏大学 | 一种多发性硬化损伤区域分割方法 |
CN107767382A (zh) * | 2017-09-26 | 2018-03-06 | 武汉市国土资源和规划信息中心 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
CN107341822B (zh) * | 2017-06-06 | 2019-11-08 | 东北大学 | 一种基于最小分支代价聚合的立体匹配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002029719A2 (en) * | 2000-10-06 | 2002-04-11 | Generic Vision Aps | Method and system for multi-dimensional segmentation |
US20070116334A1 (en) * | 2005-11-22 | 2007-05-24 | General Electric Company | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects |
CN102542550A (zh) * | 2010-12-08 | 2012-07-04 | 江南大学 | 一种减少人工干预的交互式图像分割方法 |
CN103871090A (zh) * | 2012-12-17 | 2014-06-18 | 北京大学 | 一种交互式路径生成方法和系统 |
-
2014
- 2014-06-27 CN CN201410296751.2A patent/CN104103071A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002029719A2 (en) * | 2000-10-06 | 2002-04-11 | Generic Vision Aps | Method and system for multi-dimensional segmentation |
US20070116334A1 (en) * | 2005-11-22 | 2007-05-24 | General Electric Company | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects |
CN102542550A (zh) * | 2010-12-08 | 2012-07-04 | 江南大学 | 一种减少人工干预的交互式图像分割方法 |
CN103871090A (zh) * | 2012-12-17 | 2014-06-18 | 北京大学 | 一种交互式路径生成方法和系统 |
Non-Patent Citations (2)
Title |
---|
党建武 等: "基于Live-Wire交互式医学图像分割算法研究及实现", 《计算机应用研究》 * |
李贞国 等: "一种基于最短路径思想的交互式MR图像壳核分割方法", 《中国科技论文在线》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463885A (zh) * | 2014-12-18 | 2015-03-25 | 江苏大学 | 一种多发性硬化损伤区域分割方法 |
CN104463885B (zh) * | 2014-12-18 | 2018-01-02 | 江苏大学 | 一种多发性硬化损伤区域分割方法 |
CN107341822B (zh) * | 2017-06-06 | 2019-11-08 | 东北大学 | 一种基于最小分支代价聚合的立体匹配方法 |
CN107767382A (zh) * | 2017-09-26 | 2018-03-06 | 武汉市国土资源和规划信息中心 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
CN107767382B (zh) * | 2017-09-26 | 2018-10-30 | 武汉市国土资源和规划信息中心 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399748B (zh) | 一种基于随机森林与聚类算法的道路旅行时间预测方法 | |
CN103761311B (zh) | 基于多源领域实例迁移的情感分类方法 | |
CN103678431B (zh) | 一种基于标准标签和项目评分的推荐方法 | |
CN102332009B (zh) | 一种大规模数据集上的关系查询方法 | |
GB2592335A (en) | Partitioning knowledge graph | |
CN102136218A (zh) | 一种计算机地图制图中的地图注记自动配置方法 | |
CN103870604B (zh) | 旅游推荐方法和装置 | |
CN109143291A (zh) | 一种车载gps轨迹空间索引精确匹配方法 | |
CN104103071A (zh) | 一种应用于磁共振图像壳核的交互式分割方法 | |
CN106708953A (zh) | 基于离散粒子群优化的局部社区检测协同过滤推荐方法 | |
Zheng et al. | Integrating context similarity with sparse linear recommendation model | |
CN110263332A (zh) | 一种基于神经网络的自然语言关系抽取方法 | |
CN107330007A (zh) | 一种基于多数据源的本体学习方法 | |
Wei et al. | Research on the optimal route choice based on improved Dijkstra | |
CN107291765A (zh) | 基于dc规划处理缺失数据的聚类方法 | |
Wang et al. | Da-net: Density-aware 3d object detection network for point clouds | |
CN110110475A (zh) | 基于在线学习渐消因子的扩展卡尔曼滤波方法 | |
JP2009134520A (ja) | ソーシャルネットワーク表示システム、方法、及びプログラム | |
CN106126515A (zh) | 一种大数据系统构件的自动选型方法 | |
US20150134306A1 (en) | Creating understandable models for numerous modeling tasks | |
Yin et al. | Personalized tourism route recommendation system based on dynamic clustering of user groups | |
Druilhet et al. | Efficient circular neighbour designs for spatial interference model | |
CN106296712B (zh) | 全自动神经嵴细胞显微图像分割系统及方法 | |
CN106446308A (zh) | 基于稀疏贝叶斯的故障定位方法及系统 | |
Sikora et al. | Rule quality measure-based induction of unordered sets of regression rules |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141015 |