[發(fā)明專利]一種基于改進模糊C均值的腦磁共振圖像分割方法

有效

• 申請?zhí)枺?/td>: 202010623006.X
• 申請日: 2020-07-01
• 公開（公告）號: CN111815650B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設計）人: 李召;溫鵬偉;周同馳;卞芳方;李征;付凱;柴旭朝;瞿博陽;郭倩倩;朱小培
• 申請（專利權）人: 中原工學院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/90;G06V10/762;G06N3/006
• 代理公司: 鄭州科碩專利代理事務所(普通合伙) 41157
• 代理人: 范增哲

本發(fā)明提供了一種基于改進模糊C均值的腦磁共振圖像分割方法，在該分割方法中，提出了一種新的灰度重構方法，能夠充分的利用兩像素點間的空間信息和灰度信息,并將自適應粒子群優(yōu)化算法與模糊C均值模型結合，結合策略為使用粒子群算法的尋優(yōu)方式替代模糊C均值算法中聚類中心的梯度下降更新方式，在粒子速度和位置的迭代更新過程中，使用自適應權重因子，實現圖像分割速度的先快后慢，分割布局的先整體后局部。本發(fā)明的分割方法簡單，針對噪聲具有極強的魯棒性能，能夠有效的提高醫(yī)學圖像的分割精度。

技術領域

本發(fā)明涉及醫(yī)學圖像處理領域，具體涉及一種基于改進模糊C均值的腦磁共振圖像分割方法。

背景技術

隨著計算機與可視化技術的迅猛發(fā)展，醫(yī)學成像技術呈現出新的面貌，醫(yī)學影像的信息處理也變得愈發(fā)普及，這使得現代醫(yī)學的發(fā)展產生了質的飛躍，當前，以MRI、CT和B超等為代表的醫(yī)學影像己經成為了臨床診斷中不可或缺的醫(yī)學工具。醫(yī)學圖像分割是醫(yī)學圖像分析的重要組成部分，更是實現醫(yī)療設備圖像的配準、融合、識別、定量分析和圖像引導手術等技術的基礎和關鍵，而在醫(yī)學圖像分割領域中，最具有代表性和臨床實用價值的就是腦磁共振圖像的分割。

腦部疾病死亡率高、致殘率高、復發(fā)率高以及并發(fā)癥多的特點，發(fā)病后極有可能導致嚴重生活障礙：變癱(肢體活動障礙)、變呆(語言、感覺障礙)、變傻(高級腦部活動障礙)，嚴重威脅著人類的生命健康，是臨床醫(yī)學關注的重點問題之一。腦組織圖像的準確分割對大腦的機理研究以及腦中風、腦積水、腦腫瘤和老年癡呆病等腦部疾病的研宄分析和治療具有重要的指導意義。腦圖像分割的常規(guī)做法是先去除領骨和皮膚脂肪等一些非腦部的組織，然后將腦圖像分割成三類：灰質、白質和脊液，特別的是脊液和灰質之間的低對比度大大增加了腦圖像分割的復雜性。因此，腦部圖像的分割一直是醫(yī)學圖像分割領域的熱點研宄問題。

對腦部圖像分割，涌現出的方法有神經網絡、分水嶺、水平集、支持向量機、高斯混合模型、馬爾科夫隨機場和模糊C均值(FCM)等，考慮到基于FCM模型的分割算法具有理論易懂、執(zhí)行簡單的優(yōu)點，受到的關注最為廣泛，例如出現的FGFCM、FRFCM和GAFCM等FCM分割方法。目前，FCM圖像分割方法存在的主要問題是對噪聲敏感和初始聚類中心選取困難等，而這些問題恰恰影響了最終的分割精度。

文獻“基于粒子群的改進模糊聚類圖像分割算法”提出了一種結合PSO的模糊聚類圖像分割算法，與本發(fā)明相比，該方法將整個算法分為兩個階段，PSO工作在第一個階段，僅用于產生第二階段所用到的初始聚類中心。

文獻“一種基于改進PSO和FCM的圖像分割算法”提出了一種PSO和FCM結合的圖像分割算法，與本發(fā)明相比，該方法僅采用了數據的灰度信息，且優(yōu)化時選取的目標函數和適應度函數較為復雜，計算量大。

中國專利(申請?zhí)枺?01610038254.1)公布了一種腦部MRI圖像分割方法，與本發(fā)明相比，盡管方法中也用到粒子群優(yōu)化算法進行聚類中心集合的優(yōu)化，但其優(yōu)化處理的源圖像數據只用到了灰度信息，而沒有考慮像素點的空間信息，且該優(yōu)化算法為了避免早熟收斂，采用了混沌搜索方法，提高了算法的復雜度，從而降低了優(yōu)化(圖像分割)的速度。

發(fā)明內容

針對現有技術的不足，本發(fā)明的目的在于提供一種基于改進模糊C均值的腦磁共振圖像分割方法，能夠解決噪聲對腦磁共振圖像分割的干擾，通過提高分割方法的魯棒性和精確性，準確的完成對圖像的分割。

基于上述目的，實現本發(fā)明的技術構思是：通過引入兩兩像素之間的空間坐標信息和灰度信息對灰度值進行線性加權和運算，并進行Top-hat和Bottom-hat變換，得到新的灰度重構圖像，削弱了噪聲影響；通過在傳統粒子群算法的基礎上引入改進的自適應慣性權重系數，使其可以根據迭代情況自適應更新，更好的平衡局部尋優(yōu)與全局尋優(yōu)，避免陷入局部最優(yōu)；將FCM模型與自適應粒子群算法相結合，通過尋優(yōu)找到聚類中心，采用拉格朗日最小二乘法得到隸屬度的更新公式，避免了初始聚類中心選取問題對分割圖像精度的影響。