CN106570837A - 基于高斯多尺度空间的脑组织mri图像偏移场校正方法 - Google Patents

Abstract

为避免MRI图像中偏移场带来的干扰，消除MRI图像中的偏移场，本发明提出一种基于高斯多尺度空间的脑组织MRI图像偏移场校正方法，试图利用高斯多尺度空间，在高斯不同尺度空间中提取图像细节信息并加权和消除图像中低频的偏移场，并通过Gamma变换调整加权和图像的亮度和对比度得到最终消除偏移场后的图像。

Description

基于高斯多尺度空间的脑组织MRI图像偏移场校正方法

技术领域

本发明涉及图像处理领域，特别是MRI图像处理。

背景技术

近年来医学成像技术快速普及，核磁共振成像(MRI)是目前应用最多的医学成像技术之一。它对不同组织能够提供非常好的对比度和分辨率，尤其是对脑部成像而言，其相对于其它成像技术优势明显。随着MRI的广泛应用，产生了越来越多的医学图像。MRI成像过程中易产生偏移场(由射频线圈均匀性差、梯度驱动的涡流以及场内外病人的解剖结构等引起，如图1所示)，它是一种低频和平滑的信号，它对MRI图像临床医生分析和计算机自动分析均存在严重的干扰，在进一步分析处理MRI图像前需要去除偏移场。

目前也已经有许多偏移场校正方法被提出。这些方法可分为两大类：(1)前瞻处理。前瞻处理是在成像过程中试图避免偏移场的产生。(2)回溯处理。回溯处理则是在偏移场产生后，利用图像自身的信息以及先验信息通过算法处理去除偏移场，主要有滤波的方法、表明拟合的方法、基于分割的方法、基于直方图的方法以及其它方法。

发明内容

本发明的目的是解决MRI图像中偏移场带来的干扰，消除MRI图像中的偏移场。即提出一种基于高斯多尺度空间的脑组织MRI图像偏移场校正方法，试图利用高斯多尺度空间，在高斯不同尺度空间中提取图像细节信息并加权和消除图像中低频的偏移场，并通过Gamma变换调整加权和图像的亮度和对比度得到最终消除偏移场后的图像。

为实现本发明目的而采用的技术方案是这样的，一种基于高斯多尺度空间的脑组织MRI图像偏移场校正方法，其流程图如图2所示，包括以下步骤:

1)获取MRI原始图像I；如图1(b)所示，该图像是包含偏移场的MRI图像。

2)确定高斯多尺度空间各层的高斯核：σ_i,i＝1,...,n,σ_i＝Kσ_i-1且K＞1，其中n为自然数，K为设定值；

3)计算原始图像I与高斯各层尺度空间卷积L(x,y,σ_i)；图像I在高斯空间G(x,y,σ_i)中的分量(I与G(x,y,σ_i)卷积)可被作为原始图像I在高斯多尺度空间第i层的背景估计(如图1脑组织MRI图像偏移场示例；

图2本发明方法的流程图；

图3所示)，首先将原始图像在各层空间中进行卷积。

相邻分层间的差值其中，M和N分别为原始图像的高度和宽度；

设定阈值ε，e_n＜ε；

值得说明的是，随着i逐渐增大，图像在对应空间中的分量越平滑，更接近于原始图像背景，同时相邻分层间的差值e_i逐渐收敛。可按照e_i的值决定是否停止创建更多的高斯分层尺度空间。即定义一个阈值ε，当e_i＜ε时，不再创建新的高斯分层尺度空间，这个时候i的值就是n的值，以此来确定步骤1)中n的大小。

4)求取原始图像I在各层尺度空间中的细节分量D_i。通过原始图像I与L(x,y,σ_i)差分求得；

5)获得恢复图像

6)获得偏移场校正后的图像I_{bias_corrected}，即在不同高斯尺度空间加权和图像上进行Gamma变换，调整加权和图像的亮度和对比度得到偏移场消除后的图像：

I_{gamma_corrected}为Gamma变换，Max和Min是中的最大值和最小值，γ设置为0至1的范围内，α是I_{gamma_corrected}的全局权重，与γ配合调整校正图像的亮度和对比度至正常水平。

本发明提出的一种基于高斯多尺度空间的脑组织MRI图像偏移场校正方法，其优越性在于：

1.利用高斯多尺度变换实现MRI图像的偏移场校正，通过原始图像与高斯不同尺度空间卷积，再与原始图像差分得到原始图像在不同高斯尺度上的细节图像，然后将不同尺度上的细节图像加权求和得到消除亮度不均匀后的图像，对加权和图像进行Gamma变换调整图像的亮度和对比度得到最终消除偏移场的图像。本发明将高斯多尺度空间引入MRI图像偏移场校正中，实现了一种新的偏移场校正方法，使得MRI图像偏移场校正多了一种新的选择。

2.算法易于实现，偏移场校正效果明显。算法主要进行在高斯不同尺度的空间上卷积、加权求和以及Gamma变换，算法复杂度低易于实现。在后文的实施例中，分别在T1、T2加权MRI图像不同程度偏移场上进行了验证，对MRI图像中的偏移场消除效果明显，对MRI图像自动处理后续的图像分割算法性能有提升作用。

附图说明

图1脑组织MRI图像偏移场示例；

图2本发明方法的流程图；

图3图像在高斯多尺度空间中的分解；

图4在包含20％偏移场T1MRI图像冠状面第108th层图像上的校正实验；

图5包含不同程度偏移场的T1MRI图像校正实验结果；

图6在包含20％偏移场T2MRI冠状面第108th层图像上的校正实验；

图7在T2MRI冠状面每层图像上的偏移场校正实验结果；

图8偏移场校正对图像分割算法性能的提升实验。

具体实施方式

下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。

基于本发明的发明内容部分公开的技术内容，在BrainWeb MRI数据库中进行了实验，并提供一个2个实例。实例中，偏移场校正性能使用变化系数CV(coefficient ofvariation)和联合变化系数CJV(coefficient of joint variation)进行评估。对每一种组织T(白质WM，灰质GM，脑脊液CSF)，CV定义为：

CVJ评估两种组织间的重叠，定义为：

其中σ(T)和μ(T)分别是组织T的标准差和均值。CV和CJV的值越小，表示偏移场校正效果越好。

实例中设置参数：ε为0.01，σ₁为0.1，K为1.2，γ为0.8，α为0.5。

实例1：

首先在T1 MRI图像中进行偏移场校正，具体实施步骤按照发明内容的技术方案进行。图4显示了在包含20％偏移场MRI冠状面第108th层图像上的校正实验结果，直观上看偏移场得到了校正。图5为包含不同程度偏移场的T1 MRI图像校正实验结果，表1为在20例包含不同程度偏移场的T1 MRI图像上的校正实验结果，从具体的评估结果中看到校正效果明显。

表1在20例包含不同程度偏移场的T1 MRI图像上的校正实验结果

	CV(GM)	CV(WM)	CV(CSF)	CJV
					20％INU	0.11768906	0.069879109	0.241789963	0.610167464
Corrected	0.085977427	0.051898424	0.137259326	0.51055166
					40％INU	0.120769429	0.079473103	0.251787963	0.656229341
Corrected	0.085931066	0.050756653	0.150504018	0.574000671

实例2：

在T2 MRI图像中进行偏移场校正，具体实施步骤按照发明内容的技术方案进行。图6为在包含20％偏移场T2 MRI冠状面第108th层图像上的校正实验结果，视觉上看偏移场得到了校正。图7为在T2 MRI冠状面每层图像上的偏移场校正实验结果，从结果中看出，几乎每层图像校正后CV和CJV评估指标都得到了改善。表2为T2 MRI图像偏移场校正关于CV和CJV在所有层图像上的均值评估结果，与原始图像相比，CV和CJV指标得到了改善，偏移场得到校正。

表2 T2 MRI图像偏移场校正关于CV和CJV在所有层图像上的均值评估结果

	CV(GM)	CV(WM)	CV(CSF)	CJV
					20％INU	0.18	0.12	0.38	0.75
Corrected	0.14	0.10	0.25	0.57
					Improvement	22.2％	16.7％	34.2％	24.0％

在图8偏移场校正对图像分割算法性能的提升实验中，本发明算法校正后利用模糊聚类分割后的结果，比已有的Entropy校正算法校正后用模糊聚类分割后的结果更接近于真实的分割结果，起到了提升MRI图像自动分割算法性能的作用。

Claims (1)

1.一种基于高斯多尺度空间的脑组织MRI图像偏移场校正方法，其特征在于，包括以下步骤:

1)获取所述MRI原始图像I；

2)确定高斯多尺度空间各层的高斯核：σ_i,i＝1,...,n,σ_i＝Kσ_i-1且K＞1，其中n为自然数，K为设定值；

3)计算原始图像I与高斯各层尺度空间卷积L(x,y,σ_i)；

相邻分层间的差值其中，M和N分别为原始图像的高度和宽度；

设定阈值ε，e_n＜ε。

4)求取原始图像I在各层尺度空间中的细节分量D_i；通过原始图像I与L(x,y,σ_i)差分求得；

5)获得恢复图像

6)获得偏移场校正后的图像I_{bias_corrected}：

$I_{gamma\_corrected}={\left(\frac{Max-\hat{I}}{Max-Min}\right)}^{\mathrm{\γ}}\·(Max-Min)$

$I_{bias\_corrected}={\mathrm{\αI}}_{gamma\_corrected}+(1-\mathrm{\α})\hat{I}$

I_{gamma_corrected}为Gamma变换，Max和Min是中的最大值和最小值，γ设置为0至1的范围内，α是I_{gamma_corrected}的全局权重，与γ配合调整校正图像的亮度和对比度至正常水平。