基于最小偏态阈值的分割法在MRI图像人类脑部实质提取的应用

1、图形图像基于最小偏态阈值的分割法在MRI图像人类脑部实质提取的应用唐闻（中南大学信息物理工程学院生物医学工程研究所,长沙410083）摘要：针对于MRI图像人类脑部实质的提取，提出结合形态学的基于最小偏态指标阈值分割3方法，该方法采用最小偏态指标从人脑MRI图像中自动提取大脑皮层和颅骨及其他非脑成分，结合形态学的处理最终仅保留大脑部分。试验证明该方法简单可行，且效果很好。关键词：最小偏态；脑实质；MRI；图像分割0引言医学图像分割到今天仍然没有获得很好的解决，样本数据的均值为样本的一阶统计矩，它衡量数据的平均值大小；方差为样本的二阶统计中心矩，它衡量随机数据离散的程度；而偏态指标为样本的三阶中

2、心统计矩，它衡量随机数据分布偏离正态分布的程度。设随机样本为x（t），其概率密度分布函数为p（t），则其定义分别为：ux=lim1t2x=lim1tt一个重要的原因是医学图像的复杂性和多样性1。由于组织本身的特性差异，医学图像成像过程中受到诸如噪声、偏移场效应、部分容积效应和组织运动等的影响，医学图像与普通图像比较，不可避免地具有模糊、均匀性差等特点。另外，人体解剖组织结构的形状复杂，即便相同的解剖结构，人与人之间也存在相当大的差别，这些都给医学图像分割带来了困难。传统的分割技术，例如单一的分割方法，或基于单一的特征信息进行分割，都很难获得好的分割效果。临床应4乙tx（t）dt=t乙xp（x）

3、dx-2+（1）2乙x（t）-uxdt=2乙（x-u）p（x）dx-x+（2）用对医学图像分割的准确度和分类算法的速度要求又较高，因此医学图像分割算法仍然是医学图像处理中的一个非常重要的研究课题2。目前，对于大脑的研究主要集中于其内部主要核团或某些特定感兴趣部位，例如灰质、脑积液、丘脑、肿瘤等区域。在图像中对上述内容进行提取、分析等方法研究时，图像中的颅骨部分往往会降低研究结果的精度并影响方法的研究，因此，有必要对图像进行预处理，将其颅骨与脑实质部分加以分离，提取脑实质部分，这将更有利于进行图像的分割、配准、特殊区域的提取分析等工作7。k3=乙+-（x-ux）p（x）dxx（3）设一幅图像只由

4、目标物和背景组成，其灰度分布范围为0G；已知其灰度级分布概率密度分别为p1（t）和p2（t），假设p1（t）和p2（t）均服从正态分布，其灰度均值分别为u1（t）和u2（t），方差分别为1（t）和2（t），偏态指标分别为k1，k2。则设图像灰度级按阈值t划分为目标和背景两类，这里认为图像是由亮背景上的暗物体所组成，因此凡是灰度级小于t的像素皆标认为目标物，大于t的像素皆作为背景。设图像归一化直方图为h（i），（i=0G），目标物像素占全图像像素数比为（t），则：（t）=h（i）i=0t221最小偏态指标阈值分割由文献3介绍的方法可知，在数理统计中，随机现代计算机（总第三一七期）（4）收稿日期：

5、2009-09-02修稿日期：2009-10-13作者简介：唐闻（1981-），男，湖南株洲人，硕士，讲师，研究方向为数字图形图像和计算机软件ODERNCTER200910趶趩图形图像u1（t）=h（i）i/（t），u2（t）=1-u1（t）i=0t（5）像大体已经被分割出来，但是对于颅骨内的部分非脑组织，也在第一步分割的同时，随颅骨一起被分割出来，因此，有必要利用形态学的方法，将上一步分割结果，进行二次分割，以获得正确的颅骨图像。（1）利用一个3×3的结构元素，对第一步分割完毕的图像进行闭合运算；（2）将膨胀结果进行4-连通的统计，找到像素点值为1的所有符合4-连通的区块大小，并将

6、其存入数组L；（3）找到数组当中最大的连通区块，并将最大连1（t）=i-u2（t）h（i）/（t），i=0Gt2（t）=i-u2（t）h（i）/（1-（t）i=t+1t23（6）k1（t）=i-u（t）h（i）1i=01（t）·，k2（t）=i-u（t）h（i）i=t+1G2（t）·（1-）（7）通区域提取出来；偏态指标定义为：k3（t）=k1（t）+k2（t）（8）（4）分割出正确的颅骨图像。根据下面公式（9），可选取分割的阈值T：T=Argmink3（t）0<tg（9）2算法描述（c）第一次分后割图（d）进一步分割后图像2.1最小偏态阈值分割获取颅骨图像本文以最小

7、偏态指标作为分割的阈值指标，利用这一指标可以有效地从图像中分割出颅骨以及部分的非脑软组织，这是实现脑实质提取的第一步。（1）读入脑部的MRI图像，并将其转化为灰度图图2进一步分割后获取的结果2.3提取脑实质图像直接利用图像相减无法获取最佳的分割效果。观察图3，在图3中经过第一步处理之后还存在少数的、孤立的非脑组织，因此在最后的脑实质提取过程中，我们再次用到最大连通的方式进一步优化分割结果。（1）将原MRI图像的灰度图，减去进一步分割后所获得的正确颅骨图像，得到初步的脑实质图；（2）对上一步处理完成的图像，利用一个4×4的结构元素进行开运算；（3）使用上一节介绍的形态学方法，再次提取最

8、大连通区域；im；（2）计算将im进行直方图图均衡化，令i从0变化到G，分别利用公式（5）-（8）计算出图像的一阶统计矩u1、u2，并通过u1、u2计算出三阶统计矩k1、k2，将k1、k2的绝对值之和存入数组k3；（3）将k3中的最小值，作为阈值T，对im进行分割，如果im当中的像素点灰度大于T，则将其设为255，如果小于T则将其设为0。（4）完成分割。现代计算机（总第三一七期）（a）原始图像灰度图（b）分割后图像图1一幅脑部MRI图像进行最小偏态分割后获取的结果(a)初步提取的脑实质(b)最大连通区域(c)最终分割结果图3完成后的分割结果2.2利用形态学方法进一步分割完整颅骨图像由图1可以看

9、出，经过第一步的分割，颅骨的图3试验结果以一组3D人体大脑的MRI图像做为目标图像MRNCOMPUTER200图形图像检验该方法，下列图4为4幅MRI脑部图像的灰度图，经过本文的方法处理，最终取得的结果如图5所示（图5图像序列与图4一一对应）：由这一组结果可以看出，本文的方法对于脑部实质的提取结果令人满意。图4入了二次分割的思想，提取较完整的颅骨图像，而后再次经过形态学处理，得到最终的实验结果，实验表明该算法具有有效性和良好的性能。下一步研究的方向是改良本文算法用于解决对复杂图像成分的精确分割。参考文献3陈果,左洪福.基于最小偏态指标的图像阈值分割新技术.小型微型计算机系统,2003,24(2

10、):2552605冈萨雷斯.数字图像处理（第二版）.电子工业出版社图56CUIYI.ImageAnalysis-ApplicationsandMethodsofMathematicalMorphologyM.Beijing:SciencePress,2000(InChinese)7陈瑛,聂生东,顾顺德,章鲁.边界跟踪法在MRI图像大脑实质提取中的应用.生物医学工程与临床,2001,5(1):4结语为了获得好的分割效果，就需要充分利用待分割图像的全局和局部特点。根据脑部MRI图像的特点，笔者发现所求阈值与图像全局和局部特点之间的关系，将分割工作分作两步，利用最小偏态指标作为阈值对图像进行处理的方

11、法先提取颅骨与非脑组织，引46ApplicationofImageSegmentationBasedonMinimumBias-NormalDistributionIndexinExtractingBrainStructuresfromMRITANGWen（InstituteofBiomedicalEngineering,DepartmentofInformationandPhysicalEngineering,CentralSouthUniversity，Changsha410083）Abstract：Presentsanimagesegmentationbasedonminimumbias-normaldistributionindexwhichisusedtoextractbrainstructuresfromMRI.Findstheskullfieldbytheimagesegmentationmethod,extractsthebrainfieldbythemorphologicalmethod.Themethodreportedisarapi