基于t混合模型的醫(yī)學(xué)圖像分割方法研究.pdf

1、核磁共振成像(Magnetic Resonance Imaging,MRI)技術(shù)以其無創(chuàng)傷，軟組織分辨率高，成像數(shù)據(jù)豐富等特點(diǎn)，已廣泛應(yīng)用于醫(yī)學(xué)圖像的獲取，并在臨床醫(yī)學(xué)診斷上也起到越來越重要的作用。MRI圖像分割在生物醫(yī)學(xué)領(lǐng)域和臨床應(yīng)用中具有重要意義，在解剖結(jié)構(gòu)研究、組織量化測(cè)定、病灶定位和疾病診斷等方面有廣泛的應(yīng)用。精確的分割是后續(xù)圖像分析和診斷的基礎(chǔ)。大腦是人體最重要的部分，因此腦部MRI圖像分割因其重要的應(yīng)用價(jià)值成為醫(yī)學(xué)圖像分割的

2、熱點(diǎn)研究領(lǐng)域。
　　 本文在前人研究成果的基礎(chǔ)上，總結(jié)和概括了醫(yī)學(xué)圖像分割的目的和實(shí)際意義。在深入理解MRI的成像原理和MRI圖像的特點(diǎn)后，本文選擇了基于概率統(tǒng)計(jì)理論的分割方法，即有限混合模型作為醫(yī)學(xué)圖像分割的主要框架。
　　 有限混合模型是分析復(fù)雜數(shù)據(jù)集的一個(gè)靈活而強(qiáng)有力的建模工具，它提供了用簡(jiǎn)單密度函數(shù)模擬復(fù)雜密度函數(shù)的一個(gè)有效方法。有限混合模型在模式識(shí)別、機(jī)器視覺及機(jī)器學(xué)習(xí)等領(lǐng)域都得到了廣泛應(yīng)用。在統(tǒng)計(jì)模式識(shí)別中有

3、限混合模型常被用于無監(jiān)督學(xué)習(xí)(如聚類)?；诟咚狗植济芏群瘮?shù)比較簡(jiǎn)單，參數(shù)估計(jì)容易以及比較貼近實(shí)際數(shù)據(jù)集的分布形狀等原因，使得高斯混合模型成為最常用的建模工具。然而高斯混合模型受非典型(atypical)樣本或野值(outlier)的影響很大，不能適應(yīng)MRI圖像高噪聲的特點(diǎn)。分布具有較高斯分布重(heavy)的尾部，抗噪性能好，能夠在一定程度上改善高斯分布所遇到的問題，提供了一種比高斯分布更穩(wěn)健的建模方法。本文通過實(shí)驗(yàn)表明t混合模型比高

4、斯混合模型更能適應(yīng)MRI圖像的灰度特點(diǎn)。
　　 馬爾可夫隨機(jī)場(chǎng)理論(Markov Random Field，MRF)是研究物理現(xiàn)象空間或上下文依賴關(guān)系的概率理論的一個(gè)分支。MRF理論提供了一種便捷而連續(xù)的方法來對(duì)像素或特征之間的上下文依賴關(guān)系進(jìn)行建模。雖然t混合模型能在一定程度上改善高斯分布遇到的問題，但是混合模型是基于直方圖模型的，即只考慮了圖像中像素的灰度信息而沒有考慮像素之間的空間位置之間的相互關(guān)系信息。為了解決這個(gè)問題，

5、本文在混合模型的估計(jì)中引入隨機(jī)場(chǎng)理論來對(duì)分類施加空間約束，彌補(bǔ)了混合模型的不足。
　　 由于MRI是一種多參數(shù)，多核種的成像技術(shù)，可以得到關(guān)于同一人體組織三種不同側(cè)重特點(diǎn)的圖像：T1加權(quán)像，T2加權(quán)像，質(zhì)子密度（PD）加權(quán)像。不同加權(quán)像關(guān)于同一組織的信息有些是冗余的，但有些也有是互補(bǔ)的，正符合了基于數(shù)據(jù)融合思想的圖像分割方法的條件。由于MRI圖像高噪聲、邊界模糊和偽影等特點(diǎn)，錯(cuò)誤分割的像素點(diǎn)主要集中在不同組織的過渡區(qū)域。這是由于

6、大多數(shù)的腦組織磁共振圖像在不同組織的過渡區(qū)域總是存在灰度值的交疊現(xiàn)象(也即偽影現(xiàn)象)，尤其在腦脊液(CSF)和灰質(zhì)(GM)，灰質(zhì)(GM)和白質(zhì)(WM)的過渡區(qū)域，這使得處于邊緣地帶的像素的類別確定有著較大的不確定性和未知性。而DS證據(jù)理論能很好的描述未知的和不確定性信息，再使用Dempster合成法則綜合多方面的信息以提高分割的效果。因而在本文中先使用混合模型進(jìn)行分割，然后在使用DS證據(jù)理論對(duì)分割的結(jié)果進(jìn)行綜合，以最終提高正確分割的效果