一种新的心脏核磁共振图像分割方法

1、第30卷第1期计 算 机 学 报Vol. 30 No. 1Jan. 20072007年1月CHIN ESE JOU RNAL OF COMPUTERS一种新的心脏核磁共振图像分割方法王元全 贾云得（北京理工大学计算机科学技术学院北京100081）摘要心脏核磁共振图像分割一直是医学影像分析领域的研究热点和难点，文中提岀了一种基于梯度矢量流Snake模型的左心室分割方法.作为对梯度矢量流（GVF）的改进，提出了退化最小曲面梯度矢量流（dmsGVF）.该模型对弱边界泄漏有更好的鲁棒性；挖掘了左心室的形状特点，采用相应的形状约束，克服了由于图像灰度不均而 导致的局部极小，也大大减弱了分割结果对初始轮廓

2、的依赖；对于左室壁外膜的分割，挖掘了左室壁内、外膜的位置关系，通过重新组合梯度分量来构造新的外力场.这种外力场能够克服原始梯度矢量流的不足，使得室壁外膜边缘很弱时也能得到保持，以左室壁内膜分割结果作为初始化能够自动地分割岀左室壁外膜.实验结果表明，该方法能高效准确地同时分割左室壁内、外膜.-.-.I'H |_|1 |1 甘 £Jh |4 ,|l< （i 疋*|, . Il W 7 M l1, .Jy聲幵4 .惡 !' H' I Q r 芳 4关键词 Snake模型;退化最小曲面梯度矢量流；左心室；图像分割；形状约束中图法分类号 TP391VMi I 戈雪

3、 A Novel Approach for Segmentation of Cardiac Magnetic Resonance ImagesWAN G Yuan2Quan JIA Yun2De（School of Com puter Scie nce , Beij i ng In stit ute of Tech nolog y , Bei j i ng 100081）Abstract Segmentation of cardiac magnetic resonance images is a hot topic in the community of medical images an a

4、lysis and rema ins one of the ope n p roblems. In this study , the authors address this issue based on gradient vector flow snake model and make three contributions : firstly , the degenerated minimal surface GVF is propo sed as an imp rovement on gradient vector flow , this n ew flow outperforms th

5、e orig inal one concerning weak boun dary leak ing ; sec on dly , the shape of t he left ventricle is taken into account and a shape based energy for the snake model is adopted , wit h this en ergy , the sn ake con tour can conq uer the un expected local minimum stem ming from image in homoge neity

6、and the fi nal result s could depe nd much less o n the i nitial con tour. In order to segme nt the epicardium , the gradie nt vector comp onen t s are recon figured to gen erate the ex2 ternal force field. This new external force can overcome the demerit s of the original GV F force and maintain th

7、e epicardium boundaries even if the contrast between the myocardium and neigh2 bor orga ns is very low , tak ing the en docardium con tour as in itializati on , the sn ake is reactivated to locate the epicardium accurately. The p roposed strategy is validated on a large amount of cardi2 ac magnetic

8、resonance images.Keywordssnake model ; degenerated minimal surface gradient vector flow ; left vent ricle ; imagesegme ntati on ; shape c on st ra int收稿日期:2005210225;修改稿收到日期：2006204224.本课题得到国家自然科学基金（60543007）资助.王元全，男，1973年生，博士 ,研究 兴趣为医学图像分析、计算机视觉.E2mail : yqwang bit. edu. cn.贾云得，男,1962年生,博士 ,教授，博士生导

9、师，主要研究领域为人工 智能、计算机视觉、媒体计算、医学图像分析.© J994-207 ChaziziJonirriiil EltelriMiic PuhliiiiniJ H-ouse- All rights131计算机 学 报2007 年1引言心脏 MR (Magnetic Resonance)图像能够提供 高分辨率高品质的图像，对心脏的解剖结构和功能 进行准确的描述，是当前医学图像分析领域的研究 热点之一.但是对心脏解剖结构的准确描述和功 能的定量分析是以准确分割心肌的内外边缘为基础 的,基于分割的结果，可以计算心脏的射血分数、每博容积等心功能指标，可以重建心脏的3D解剖结构,分

10、析心脏的3D形状的变化与功能变化的关系，为心血管疾病的防治诊疗提供科学的参考2.近年来，国内外对于心脏MR图像的分割都有广 泛的研究.这些研究工作分别是基于2D、3D和4D图像特征的，如McInerney采用可形变曲面和有限元 的 3D分割方法3 ,Kaus4 ,Beichel5 ,Frangi6等人 基于3D ASM/ AAM 模型的分割方法,Montagnat基于可形变3D单纯形网格的分割方法7，他还引入了左心室的运动信息作为约束，因而这种方法是4D的.3D和4D的分割方法处理复杂，而且ASM/AAM模型还需要训练，分割结果与训练样本的分 布和多少相关，而且3D模型并不适合 2D图像(包

11、括multislice的情形)，因而,基于2D图像的分割方 法仍然是一种主要的研究方法而2D分割则以参量主动轮廓模型和几何主动轮廓模型为主，如Ran2ganath用snake模型跟踪左室壁内膜 81 ,Makowski 采用气球snake模型分割左室壁内膜，还设计了专门的方法解决轮廓的缠绕问题.Chakraborty将轮廓线作Fourier展开，丢弃高频部分以获得对左 室壁内膜的光滑描述，然后采用区域和边缘相结合 的方法来得到 Fourier分量的系数10.几何主动轮 廓模型也被用在左室壁内膜的提取中，如Siddiqui在一个初始轮廓线下，同时分割出了左、右心室的内 膜11 ,Paragios

12、在几何主动轮廓模型中整合左心室 的统计形状信息12.以上的方法都只分割了左室 壁内膜,Nachtomy则既分割了内膜 ，也分割了外 膜,但该方法是以阈值为基础的 ，结果并不令人满 意13.对左室壁内膜的分割国内也有相关研究，如文献14用GVF Snake模型分割左心室时，引入广 义模糊集合理论，提出了广义模糊梯度矢量流；文献15 将文献16 中曲线演化和聚类相结合的方法用 于左心室的分割，文献17将文献18 中简化 Sn ake模型用于左心室的分割，并改用贪婪算法求 解;文献19则将分割看成一个分类问题，分类器为 SVM ;文献20 则简单地用文献19的结果来定位 左心室血池区域，这就抛弃了文

13、献19中方法的优 势，而且文献20中需要针对每一幅图像不断调整 有关参数和迭代次数，直到分割结果与专家手工分 割结果靠近为止.本文探讨基于GVF Snake模型的2D左室壁内、外膜的分割问题左心室分割的困难主要来自如 下三方面:(1)图像灰度不均，这种灰度不均可能是 成像过程中射频脉冲的干扰或者磁场强度不均，也可能是血液高速运动冲撞心肌壁造成的 ；(2)乳突肌 的干扰，一般来说，乳突肌与心肌相连的部分认为它 是心肌的一部分，而漂浮在血池中的部分则认为它 不是心肌的一部分；(3)由于左心室与右心室及周围 其它组织如肝脏等灰度非常靠近，形成弱边界，这时 基于主动轮廓模型的方法分割左室壁外膜时往往会

14、 发生泄漏.针对这些问题，我们首先采用各向异性扩 散方程去噪，这种方法在抹去噪声时能较好地保持 边缘；然后挖掘左心室的形状特点，采用基于形状的 能量项，该能量项使得 Snake轮廓能较好地克服图 像灰度不均的影响，能克服乳突肌的影响，也能降低 分割结果对初始轮廓的依赖；我们还对梯度矢量流 进行改进，提出了退化最小曲面梯度矢量流，该模型 能更好地保持目标的结构，对弱边界泄漏问题有更好的鲁棒性；最后，我们通过重新组合和调整梯度矢 量的两个分量，构造了新的外力场，以左室壁内膜的 分割结果作为初始化，可以直接自动地分割出左室 壁外膜.第2节将介绍退化最小曲面流及其数值解法；第3节介绍本文的分割方法；在

15、第4节中给出实验 结果;第5节总结全文2退化最小曲面梯度矢量流针对图像梯度外力捕捉范围小以及轮廓不能 进入目标的深度凹陷区域的不足,Xu等提出了 一种称 为梯度 矢量流21 ( Gradient Vector Flow , GVF)的外力场，并对其扩展提出了广义梯度矢量 流(GGVF)?】，把采用这种外力场的Snake模型叫做GVF snake模型.梯度矢量流通过极小化如下能 量泛函得到，£ = g| v|2 + h| v- f | 2dxdy(1)K亠、其中v = u( x , y) , v( x , y)就是梯度矢量场,f是图 像的边缘图，g= 为常数，h=| f |2.当g =

16、© J994-2&07 Ctiina Azti吧Jonirria Electronic FuE也iiiu乂 l4>usc_ All rightsv. wwxriiki.iitl134计算机 学 报2007 年(4)的扩散方程，因为它满足良态的充要条件u|的增.这就保证dmsGVF能(6)的讨论，退化最小曲(v的求解类似)，u|22 lx uy uxyb是一个常数.文献25对这一方法有详细的exp (- | f | / k) , h = 1 - g时得到的结果就是广义 梯度矢量流(GGVF).但由于梯度矢量流各向同性 的扩散特性会过度平滑弱边界造成泄漏，为此,我们提出退化

17、最小曲面流，它在这一问题上具有更好的 性能.考虑如下能量泛函£ = g 1+| u| 2 + h| u - f x | 2 d xd y(2)K其中g和h的取法与式(1)中类似.令0 = , 1 + | u|2 , 泛函式(2)与式(1)的不同在于泛函中第一项0的取法不一样，式(1)中0(t) = t2,这里0 (t)= 肓, 这一改动使得式(2)具有显著的理论优势.下面我们详细分析第一项的理论特性，将第1项写成如下形式£ =1 + | u|2 dxdy = 0 (| u|) dxdy (3)、十 KK一方面，我们将u = u( x , y)看成一个定义在x - y:! !

18、 I-平面上的曲面，那么+ u2 +岱表示面积微元,这 样泛函式(3)既刻画了曲面的连续性，也表达了该曲 面的面积，这时极小化式(3)得到的u将具有最小表 面积.在后面的讨论中会看到，由于我们还会乘以一个系数，因此将该流动叫做退化最小曲面梯度矢 量流 (degenerated minimal surface Gradient Vector Flow ,dmsGVF);另一方面，.1 + t2是一个度量，这 时泛函式(3)可解释为一个不计自身重量的薄膜的 形变能量,g为其张力系数，因而极小化式(3)就是 使得一个具有不均匀张力系数的薄膜的形变能量极 小化.这时能量极小化具有真正的几何物理含义，即

19、面积最小化和形变能量最小化，而泛函式(1)却没有这样明确的几何物理含义.根据变分法的原理，式(3)所对应的 Euler方 程为? 0'(l u|)-| u|按照文献23的理论，这是一个良态(well 2posednesS0' ( m)工0以及最小化式(3)的必要条件0' (0)=0(5)因此不会引起病态(ill 2posednesS扩散方程的阶梯 效应23.如果0 (t) =| t| ,它将不满足条件(5)，此时 方程(4)在|u| = 0处也是不可微的.我们进一步分解(4)所代表的扩散过程23入 1 Do + 入2Dg = 0其中入1(Iu| )=' |(|u

20、|u|), A2(|u|)=0"(|u|)D。和D g分别表示垂直和平行梯度的方向.垂直梯度的方向就是边缘方向，这个方向的平滑可以有效 抹平噪声并保持边缘；而平行梯度的方向也就是 垂直于边缘的方向，如果入2>0将会对边缘起到平 滑作用.将式(6)两端同时乘以 1 +| u|2就使得 入严GVF (| u|) = 1/ (1 +| u|2) < 1 ,而入GVF (| u| )= 2.从这两个系数来看 ，GVF对边缘的平滑相对严重，dmsGVF对边缘平滑较小，而且随着| 大这种平滑作用会越来越小 够更好地保持边缘.根据变分法原理及方程面梯度矢量流由如下方程得到(7) 根据文

21、献24的讨论，对ut采用前向差分格式，n + 1n.9u = -u_u_9t= t对下面的扩散项采用中心差分格式即可.1 + |u|2(1 + uy) uxx + (1 + ux) uyy -1 +| u|23左室壁内、外膜分割方法311图像预处理：各向异性扩散去噪各向异性扩散方法在抹去噪声的同时 ，能较好 地保持目标的结构，是一种理想的图像平滑方法.它 通过求解如下的方程得到 ：It (x ,t) =? c(x , t) I ( x, t),其中c(x,t)是扩散系数，为图像梯度| I|的单调递 减函数，这里取为参数 讨论和数值实现.我们在分割心脏 MR图像时，首先采用这一方法对图像进行预处

22、理，提高图像质量生成一个更好的边缘图.312左室壁内膜分割：基于形状的能量项Snake模型是一种能量曲线，在内能和外能的作用下朝目标边缘运动.其内能为1EC = 2 f 1 "IS 1 2 +B I c"S I 2ds(9)其中，一阶导数项刻画了曲线的连续性，二阶导数项刻画了曲线的光滑性.但连续性和光滑性都只是曲 线性质的局部约束，这将导致Sn ake轮廓容易陷入 由图像灰度不均引起的局部极小点，在分割左心室时，也容易受乳突肌的影响，同时在弱边界处轮廓会 出现泄漏.为了克服这些因素的影响，我们既需要考 虑曲线的性质，也需要考虑曲线的形状.Ray在跟踪 白细胞时考虑了其形状特

23、征26,受此启发，我们在分割左室壁内膜时，考虑到左心室近似为一闭合的 圆环，采用了如下能量项：Eshape =2 2Rcos(2n) + (Ry - Rsin(2兀s) ds(10)其中1 -1Rx (s) = x (s) - f (r) d r , Ry (s) = y (s) - f (r) d r , 1厂22r = /Rx (s) + Ry (s) ds.这一能量项本质上将左心室看成一个圆，在分割左室壁内膜时，它将使得Snake轮廓越过血池中的伪影和乳突肌，克服由于图像灰度不均导致的局部极 小点，也能降低分割结果对初始化的依赖.但一般来讲，左心室能够分成4个区域，分为膈(septal)

24、、前壁(anterior)、侧壁(lateral)和后壁(pos2 terior),在图1中分别标为SAL P.对于室壁外膜而 言,膈与右心室相连，边缘明显；前壁一部分与右心 室相连，一部分与肺相接，容易在与右心室相接处形 成弱边界；侧壁与肺相接，在心脏上脂肪较少时，边 界不如膈明显；后壁一部分与右心室相连，一部分与肝脏相接，一般来说，这里容易形成弱边界.在分割左室壁外膜时，我们根据这一特点在左心室不 同区域对形状能量项给出不同的权重，分别记为入s，入a，入l ,入p.这样snake轮廓在边缘明显的区域受 形状约束较小，而在弱边缘处对形状的依赖较大.313左室壁外膜的分割：新的外力场在已有的研

25、究中，基于GVF Snake模型的方法 在分割出左室壁内膜后，Snake轮廓不会再运动，因而无法接着自动地分割出其外膜.这里我们在分割出左室壁内膜后，挖掘了左室壁内、外膜的位置关系，通过重新组合和调整图像的梯度分量来计算新 的外力场，在该外力场的作用下，以左室壁内膜作为 初始化，并采用一个权重不均匀的圆作为形状约束 ， 能够准确自动地分割出室壁外膜.新外力场的构造 方法如下：(1) 计算图像梯度(dx,dy).事实上，这一步在分割左室壁内膜时已经完成.(2) 根据左室壁内膜分割结果计算左心室的中 心(xc, yc),我们采用内膜质心来代替(3) 构造分量边缘图.以(xc, yc)作为参考点，根

26、据图像的特征来组合调整(dx,dy).以图2(a)中的图像为例，由于右心室比膈亮，而侧壁被脂肪包 围，因此构造x方向的边缘图如下：xxf i = - min (dx ,0) ; f r = max(dx,0).其中丨，r分别代表中心(xc, yc)的左半部分和右半 部分.在前壁部分，脂肪比心肌亮，但对后壁而言，左 右心室结合处形成弱边界，左心室部分心肌较亮，因 此构造y方向的边缘图如下：yyf u = - min (dy ,0) ; fd = - min (dy ,0).其中u , d分别代表中心(xc, yc)的上半部分和下半 部分.原图6)新的外力场井制蹈舉图2新的外力场及其分割结果计算外

27、力场的分量.将fx,fy位于内膜中的 部分置为零，根据式(7),以fx作为边缘图来计算梯号94-200? Ctiina AuadtzTiit JDumul Eli：elriw:ic Publishing Elouss All rights#计算机 学 报2007 年度矢量流的分量u,以fy作为边缘图来计算梯度矢 量流的分量V.按这种方法得到的外力场如图2(b)所示，该外力场除了在后壁部分不够理想外，其它部分都能很好地刻画左室壁外膜边缘，但由于我们引入了基于形状的能量项，因此最后的分割结果非常 理想,如图2(c)所示.这种根据图像的特征来重新构造边缘图的本质 就是利用方向信息来过滤边缘，使得最后

28、的梯度矢 量流场能够刻画想要的边缘.这种计算方法有如下 好处：(1)这种过滤过程保留了左室壁外膜边缘，剔除了内膜边缘的干扰，最后生成的梯度矢量流场能 够刻画左室壁外膜边缘.(2)有利于保护有用的弱边 缘.在原始GVF计算中，弱边缘往往被周围的强边 缘淹没，有用的弱边缘得不到保留，这里由于起干扰 作用的强边缘被过滤了 ，因而有用的弱边缘被保留 下来,有利于分割目标.如图2中白色的虚线圈所 示,其中的弱边缘是左室壁外膜的真实边缘并得到 有效的保留，因而最后的分割结果非常理想.(3)计算量较小.由于我们采用室壁内膜作为初始化，外力场的捕捉范围不需要很大，因而迭代的次数较少.(4)尽管分量边缘图的构造

29、需要根据图像特征进行 调整,但对于同一个心脏而言 ，其特征是不变的，因 此对于一个给定的心脏，我们只需要在开始时设定 方向边缘图的构造方式就可以了.这样，以左室壁内膜作为初始 Snake轮廓，在这 种新外力的作用和不均匀权重的圆形约束下，可以准确得到左室壁外膜.4实验结果这里通过3个实验来展示 dmsGVF的特性、形 状能量项对提高左室壁内外膜分割的鲁棒性以及本 文构造的分割方法的性能本文所用的MR图像由 SIEM ENS 115T临床系统产生，成像参数如下，原 始图像尺寸为192 X156 ,切片厚度为8mm，重复时 间(TR)为29116，回波时间(TE)为11 08，分辨率为 1182

30、X11 82,回转角(Flip Angle )为 50 ,视野(FOV) 为81125.这3个实验中所用的参数值如表1 所示.对于各向异性扩散中参数b的选择，可以根据有关噪声估计方法得到，也可以手工设置，图像质量越11好b越小.梯度矢量流的计算中，图像质量越好，k越小，反之则反.对于Snake模型的参数，由于a,3 分别反映曲线的连续性和光滑性，本文的应用对这点没有太多要求，因而取较小的值(比如小于2),此 时实验结果对这两个参数的选择也不敏感；入则反映曲线的整体形状，分割左室壁内膜时，这一项将使 Snake轮廓越过血池中伪影和乳突肌的干扰，因而入取值不能太小；在分割外膜时，这一项将防止 Sn

31、ake 轮廓的泄露和陷入，根据左室壁外膜的特点，在膈部 分边缘明显，不需要形状约束，因而入s=o,在前壁 和后壁部分容易被右室壁强边缘吸引发生泄漏，取值相对较大，在侧壁取值介于二者之间.© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.#计算机 学 报2007 年© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All ris

32、his 凸mfil.ww.crrki.tiirl.#计算机 学 报2007 年表1参数设置各向异性平滑GGV F的计算dms GVF的计算Snake参数设置迭代次数k迭代次数k迭代次数a3入入S入A入L入P实验101 03500100420001 004200实验201 035001 0042001101 3010151实验301 035001 0042001101 3010151© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl

33、.#计算机 学 报2007 年© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.136计算机 学 报2007 年ta)硕圈Cb)场图3退化最小曲面梯度矢量流(c) dmsGVF实验1.在第2节中从理论上分析了退化最 小曲面梯度矢量流在保持目标弱边缘上具有更好的 鲁棒性，这里从实验上说明这一点 .如图3所示，我 们在对原图平滑后分别计算 GGVF和dmsGVF,如图3(b)和(c)所示,GGVF在目标的右上角泄漏 ，而 dmsGV

34、F则能很好地封闭，如白色箭头所指 ，这就 说明了 dms GVF具有更好的保持目标弱边缘的 性能.实验2.在这个实验中我们将展示形状能量 项对改善分割结果和减少分割结果对初始化的依 赖.如图4所示，每一列的左边是没有采用形状能量 项的结果，右边是采用了形状能量项的结果.第一列 中由于没有采用形状能量项，左室壁内膜分割结果 受到外膜的吸引，而且不能克服乳突肌的影响.第二、三列中由于外力场不够理想，Sn ake轮廓陷入局部极小，或者出现泄漏，在采用形状能量项后，这样的问题都克服了 .实验3.利用本文提出的方法，我们对一套心 脏MR图像进行了分割，该套图像包含 5个图像 层,每个图像层在一个心动周期

35、中包含21幅图像.图5中给出了中间层（包含乳突肌）上舒张期图像的分割结果我们对分割结果与手工分割结果进行比较，采用平均绝对距离（MAD ）度量二者之间的差异20.设Snake轮廓为S,手工分割结果为 M,则广nkmad (S, M) = 01 5(mj , S),其中，S = s , S2 ,，sn ,M=m ,m2,mk分别表示Snake轮廓和手工轮廓上的点，d （s , M）=mjn Ils - mjIL表2给出了整套图像上的度量结果,可以看出算法结果几乎与手工结果一样.表 2 MAD度量结果（单位：像素）平均值最大值最小值mad01 78110201 14© 1994-2007

36、 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.#计算机 学 报2007 年© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.#计算机 学 报2007 年图4形状能量项对左室壁内、外膜分割的影响图5 左室壁内、外膜的分割结果© 1994-2007 Cfiizizi Ataduzrii

37、L Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.137计算机 学 报2007 年5结论本文提出了一种基于梯度矢量流Sn ake模型的心脏MR图像左心室分割方法 ，首先引入了退化最 小曲面梯度矢量流，理论分析和实验结果都表明该 方法比原始梯度矢量流能更好地保持目标的弱边 缘;其次，考虑到左心室近似为一个闭合的圆环，采用了形状能量项，该能量项能够克服由于图像灰度 不均引起的局部极小，克服乳突肌的影响，也能降低 分割结果对初始轮廓的依赖；对于左室壁外膜的分 割，我们利用左室壁内、外膜的位置关系，以其内

38、膜 中心作为参考点，对图像梯度进行过滤，构造了分量 边缘图，计算了新的外力场，以左室壁内膜结果作为 初始化，可以准确地分割左室壁外膜.该方法在一套 心脏MR图像上进行了验证，并与手工分割的结果 进行比较，结果表明，本文的方法与手工分割的结果 是一致的.在接下来的研究中，我们将会针对带标记线的 心脏MR图像，综合考虑血池区域和心肌区域的灰 度统计特性以及标记线所呈现的纹理特性，将本文所提出的分割策略推广到带标记线心脏MR图像的分割中.致谢衷心感谢香港中文大学计算机科学工程系 王平安教授为我们提供了多套心脏MR图像！参考文献1 Duncan J S, Ayache N. Medical image

39、 analysis : Progressover two decades and t he challenges ahead. IEEE TPAMI ,2000 ,22（1） : 1812204© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All rishis 凸mfil.ww.crrki.tiirl.#计算机 学 报2007 年© 1994-2007 Cfiizizi AtaduzriiL Jcmrria Eltelriwix Puhlisiiing EIhOusl- All

40、 rishis 凸mfil.ww.crrki.tiirl.1期王元全等：一种新的心脏核磁共振图像分割方法1381期王元全等：一种新的心脏核磁共振图像分割方法13923Tarato,rSideSi3Du nctionappingve n tricudynarCompuM eZbmUnGraph ics19951： 11329MclneTTyrzofDCA0Snic finitdemsurrtocmiMeemlagnn|GriPhcsBKaNlACBSTmsKa MRBerJjrgeneeAetomsrigmentationenceBignSlystaursconsHtomcni2emo$nsts

41、a'n>tP!CCcfCDcard|m|aseg8 RqnhSnContexitracronnacontotbCfOsemiauto|40291hnJA)NliesWenKuio:2pbjetcte£me nsonal d Alpplicacerdmcdel EEE :11 浙66aocdpeggegmebatioeeolutio n edthgSlAsilorConfer U2m49498 uJiaJieHeng entrMIRIegmentatioi rofatomputer ReseanEfevelopmenil: 13640ichigmentationences

42、ign0&3： 17Zh(ZiMin PhengXi basedmprdaesnakecJou r ne)se(周则明王洪元尤建洁，王平安夏德深.基于改进快速活 动轮廓模型的左心室核磁共振图像分割.计算机研究与发 展，2004(1:1364118 DavisiErEviatajSom(RLciSnaki®splified. Patterecogi2i0033165l66419 QumgsezhocaoHerPeAnnKiDeBhen. SVbfesaudtetecinstegmeoiaitefve n tricM RmaJurofW/uhaniverNaSci. Ed,200

43、34： 7694Chinese (屈颖歌周 涛王平安夏德深振左心室图像自动检测与分割03(4：767»7420 ChenanghcZMiin(QiYng3eHengheng AnnKiDeSheAu toegme oitteeltentricle M tmagChjneseofClomp,u3：er：)2i86: 9999i9Chinese(陈 强，周则明，屈颖歌王平安黒德深.左心室核磁共振 图像的自动分割.计算机学报: 20(24:9999921 XC( PrinJteSnakShaanriradiesniloiw. IEEEIf19983：3596922 XCPrinJceGen

44、ergraeencEtawxternal forcfe®ctivontoSrgrPioc.ss3971|2: 13139ddrdMRItudiesatentatheart.基于支持向量机的核磁共.武汉大学学报（理学版）,mi nimfZonfsshasegmenETI73：4344312 ParaNiosAleveeipproachapeveng mentatjodackinfhdefVenCieE EEM20 二13 NachtoCoopeRsvatWeaiAutomatic 23 yUYLi,XWenu?TianneniIlaUKmVMD sessmCarttfUnncfrois

45、hoaXMRProcedure stafBehaviorail andinieaaiuaMR1.998(4： 36576 _ -14 ZhoSMunLiafignChenFaAnewpproac24 BarcCAZChenHeiabwainrtlatmicnimiza tioproblemagstoraComponiMstIt A JOTicwhA25 PeronsotroiffusIEEEPAM99t(7:6293973:434430236:77376fOnisotdpUSiOm age39552roceslEEE丙1539552_ tothenototimocardimasequeAcev

46、e con tours mottonckbngonhge nerOlizgya dievecgioWC hinjouroComp,uie033 (1114747nChinehE ng abstract (周寿军梁 斌，陈武凡.心脏序列图像运动估计新方法 基于广义模糊梯度矢量流的形变曲线运动估计与跟踪.计算机学报,20031)1:14747815 zhouMinChenaHENPhengiXiefepanMamat22o|s(5：&97 caeanetigelecusiag i26 RayActon； LeK.TraclenKkocviewlh shaOndizeonstr 岔 cebn

47、to uEiEM I 20边 1101221235PliCaJk© J 994-200疋 China AcAd:>ii£ Journal EXLelriMiie PuhlishiiiigAllreureil.http r/?w w wxmkii .tiet140计算机 学 报2007 年© 9*94-200Auadiemk； Jbmtud Ete drunk Polish Ing thiuse. All nerved, http ww .TLft#计算机 学 报2007 年WANG Yuan2Quan , born in 1973 ,Ph. D. . His research interests include medica